Учёные МГУ с применением искусственного интеллекта научились предсказывать спектры сложных органических молекул, встречающихся как в дыме костра, так и в межзвездном пространстве. Результаты исследования показывают эффективность ИИ в экологических исследованиях на Земле и дешифровке химических загадок Вселенной. опубликованы в Journal of Chemical Information and Modeling.
Графическое изображение итогов работы.
Полициклические ароматические углеводороды (ПАУ) — органические молекулы с двумя и более конденсированными бензольными кольцами, образуются на Земле в результате природных процессов и деятельности человека при сжигании топлива, мусора и других органических веществ. ПАУ широко распространены в космосе: от пылевых облаков до атмосфер планет. Этот факт породил гипотезу о роли ПАУ в синтезе РНК в «первичном бульоне» ранней Земли, становясь основой для зарождения жизни. Поэтому изучение ПАУ является одной из ключевых задач экологических исследований, при изучении процессов горения и в астрохимии.
Инфракрасная спектроскопия является одним из главных методов исследования ПАУ. Расшифровка спектров сигналов из межзвездного пространства, загрязненного атмосферой или продуктами сгорания – сложная задача. Она связана с тем, что экспериментальные спектры известны лишь для небольшого количества молекул ПАУ, а теоретический расчет требует больших вычислительных мощностей.
Химики МГУ разработали новый способ предсказывать инфракрасные спектры органических соединений с помощью машинного обучения. В работе особое внимание уделялось кодированию структуры молекулы, включая учет заряда.
Предсказание спектров гетероатомных молекул, содержащих атомы азота и кислорода, по-прежнему остается открытой задачей. Spectre их сильно отличаются от спектров обычных ПАУ, а точных данных для обучения моделей недостаточно. В дальнейшем планируется использовать transfer learning для решения этой проблемы. Авторы статьи предполагают, что это повысит точность предсказаний спектров гетероатомных ПАУ и, возможно, улучшит общую эффективность модели. Бабкен Бегларян.
В данном исследовании впервые решена задача прогнозирования спектров как заряженных, так и нейтральных молекул. Подобная постановка задачи позволила использовать для обучения моделей все известные на текущий момент спектры ПАУ. Универсальность модели обеспечила высокую точность предсказаний спектров нейтральных и ионизованных молекул ПАУ.
Результаты исследования способствуют более точной моделировке спектров смесей ПАУ, что имеет важное значение для анализа состава межзвездной среды, атмосфер планет и других астрономических объектов. Александр Закускин.
Информация и фото предоставлены пресс-службой МГУ