Percée en apprentissage automatique pour des calculs précis de chimie quantique dans la découverte de médicaments
Des chercheurs ont développé une méthode d'apprentissage automatique appelée STRUCTURES25 qui permet des calculs précis de chimie quantique pour de grandes molécules de type médicament en utilisant une approche sans orbitales. Cette percée résout un problème de stabilité vieux de plusieurs décennies en chimie computationnelle tout en réduisant les exigences de calcul. Cette avancée pourrait accélérer la découverte de médicaments et la recherche en science des matériaux.
Des scientifiques ont réalisé une percée majeure en chimie computationnelle en appliquant l'apprentissage automatique pour résoudre un dilemme vieux de plusieurs décennies en chimie quantique, permettant le calcul précis et stable des énergies moléculaires et des densités électroniques avec significativement moins de puissance de calcul. La nouvelle approche sans orbitales permet des calculs pour des molécules très grandes, y compris des molécules de "type médicament", et démontre une convergence stable pour la première fois en utilisant cette méthode.
La percée implique un nouveau processus appelé STRUCTURES25, qui est basé sur un réseau neuronal spécifiquement développé qui apprend la relation entre la densité électronique et l'énergie directement à partir de calculs de référence précis. Le modèle capture l'environnement chimique de chaque atome individuel dans une représentation mathématiquement détaillée. Un concept d'entraînement unique a été crucial : le modèle a été entraîné non seulement avec des densités électroniques convergées mais aussi avec de nombreuses variantes entourant la solution correcte – générées par des changements ciblés et contrôlés dans les calculs de référence sous-jacents.
Ce processus de calcul est donc capable de trouver de manière fiable une solution physiquement significative pour les énergies moléculaires et les densités électroniques même en cas de petites déviations. Il reste stable sans "se perdre" dans le calcul. Dans des tests sur une grande et diverse collection de molécules organiques, STRUCTURES25 a atteint une précision qui peut rivaliser avec les calculs de référence établis. Les premières comparaisons de temps d'exécution prouvent que le processus de calcul peut mieux évoluer avec la taille croissante des molécules et donc augmenter la vitesse du calcul.
Comment les électrons sont distribués dans une molécule détermine ses propriétés chimiques – de sa stabilité et réactivité à son effet biologique. Calculer de manière fiable cette distribution électronique et l'énergie résultante est l'une des fonctions centrales de la chimie quantique. Ces calculs forment la base de nombreuses applications dans lesquelles les molécules doivent être spécifiquement comprises et conçues, comme pour de nouveaux médicaments, de meilleures batteries, des matériaux pour la conversion d'énergie ou des catalyseurs plus efficaces.
En chimie quantique, les molécules sont fréquemment décrites en utilisant la théorie de la fonctionnelle de la densité, qui permet la prédiction fondamentale des propriétés moléculaires chimiques sans avoir à calculer la fonction d'onde mécanique quantique. La densité électronique est utilisée comme quantité principale à la place – une simplification qui rend finalement les calculs praticables. Cette approche sans orbitales promet des calculs particulièrement efficaces mais jusqu'à présent était considérée comme à peine utile, puisque de petites déviations dans la densité électronique conduisaient à des résultats instables ou "non physiques".
Séparément, les chercheurs ont également fait des progrès dans les approches de calcul quantique pour les simulations moléculaires. L'estimation de l'énergie de l'état fondamental pour les systèmes moléculaires avec des espaces actifs de 20-50 orbitales spatiales est maintenant réalisable en utilisant environ 100 000 qubits physiques. Les méthodes classiques d'interaction de configuration complète, considérées comme l'étalon-or pour les calculs de structure électronique moléculaire, deviennent insuffisantes sur le plan computationnel pour modéliser des systèmes au-delà d'environ 20 électrons dans 20 orbitales, une limitation connue sous le nom de "mur exponentiel".
Cela restreint les simulations précises de molécules complexes cruciales pour comprendre les réactions chimiques, les propriétés des matériaux et les processus biologiques. L'équipe a démontré une applicabilité large au-delà des molécules simples en appliquant leur cadre à des modèles de clusters fer-soufre, qui jouent des rôles vitaux dans le transfert d'électrons biologiques, des sites actifs du cytochrome P450, importants dans le métabolisme des médicaments et la détoxification, et des catalyseurs conçus pour l'utilisation du dioxyde de carbone.