چت بات شیمی محاسباتی را به روی افراد غیر متخصص باز می‌کند

به گزارش گروه دانشگاه خبرگزاری دانشجو،نرم افزار محاسباتی پیشرفته، تحقیقات شیمی کوانتومی را با خودکارسازی بسیاری از فرآیند‌های اجرای شبیه سازی‌های مولکولی ساده می‌کند. با این حال، طراحی پیچیده این بسته‌های نرم‌افزاری، اغلب استفاده از آنها را محدود به شیمیدانان نظری می‌کند که در تکنیک‌های محاسباتی تخصصی آموزش دیده‌اند.

یک پلتفرم وب جدید که در دانشگاه اموری توسعه یافته است، با یک چت ربات کاربر پسند بر این محدودیت غلبه می‌کند.

چت بات افراد غیرمتخصص را از طریق یک فرآیند چند مرحله‌ای برای راه اندازی شبیه سازی‌های مولکولی و تجسم مولکول‌ها در محلول راهنمایی می‌کند. این به هر شیمیدانی - از جمله رشته‌های شیمی در مقطع کارشناسی - امکان می‌دهد شبیه‌سازی‌های پیچیده مکانیک کوانتومی را از طریق چت پیکربندی و اجرا کند.

پلتفرم رایگان و در دسترس عموم - معروف به AutoSolvateWeb - عمدتاً بر روی زیرساخت‌های ابری کار می‌کند و دسترسی به ابزار‌های پیچیده تحقیق محاسباتی را بیشتر گسترش می‌دهد.

مجله Chemical Science اثبات مفهومی را برای AutoSolvateWeb منتشر کرد که گام مهمی در ادغام هوش مصنوعی در آموزش و تحقیقات علمی است.

AutoSolvateWeb برای شبیه سازی برای یک ماده شیمیایی خاص برای حل شدن (یک املاح) و یک ماده برای حل شدن آن در (حلال) طراحی شده است که منجر به یک محلول (محلول) می‌شود.

شبیه سازی‌ها در قالب فیلم‌های سه بعدی ارائه می‌شوند

فانگ لیو، استادیار شیمی Emory که توسعه AutoSolvateWeb را رهبری می‌کند، می‌گوید: این کمی شبیه یک میکروسکوپ است که به شما یک نمای سطح اتمی از مولکول‌هایی که در یک محلول برهم‌کنش دارند می‌دهد.

دسترسی گسترده AutoSolvateWeb آن را به ابزاری ارزشمند برای ایجاد مجموعه داده‌های بزرگ و با کیفیت بالا برای رسیدگی به رفتار مولکول‌ها در محلول تبدیل می‌کند. چنین مجموعه‌های داده پایه‌ای را برای به کارگیری تکنیک‌های یادگیری ماشینی برای هدایت نوآوری‌ها در همه چیز از انرژی‌های تجدیدپذیر گرفته تا سلامت انسان فراهم می‌کنند.

فانگنینگ رن، یکی از نویسندگان مقاله علوم شیمی و دانشجوی دکترای شیمی اموری، می‌گوید: «هدف ما کمک به سرعت بخشیدن به اکتشافات علمی است.

روهیت گاد، متخصص سابق تحقیقات اموری، اولین نویسنده این مقاله است. نویسندگان دیگر عبارتند از Lechen Dong، دانشجوی کارشناسی ارشد شیمی. یائو وانگ، استادیار شیمی اموری؛ Sreelaya Devaguptam، محقق سابق اموری؛ و راجات میتال، دستیار تحقیقاتی فارغ التحصیل سابق در دانشگاه کلمسون.

خودکار کردن وظایف پیچیده

لیو یک شیمیدان نظری، تیمی متخصص در شیمی محاسباتی، از جمله مدل‌سازی و رمزگشایی خواص مولکولی و واکنش‌ها در فاز محلول را رهبری می‌کند.

قبل از اجرای یک برنامه شیمی کوانتومی برای یک مولکول در محلول، باید هندسه مولکول املاح و مکان و جهت گیری مولکول‌های حلال اطراف را از طریق شبیه سازی مولکولی تعیین کرد. فرآیند راه‌اندازی و اجرای این شبیه‌سازی‌ها پیچیده و زمان‌بر است و تعداد دفعات انجام چنین محاسباتی را محدود می‌کند.

در سال ۲۰۲۲، گروه Liu راهی برای خودکار کردن بسیاری از این محاسبات با سیستمی که AutoSolvate نامیده شد، توسعه داد. آن سیستم خطوط کدی را که یک شیمیدان محاسباتی باید وارد یک ابررایانه برای اجرای شبیه سازی کند از صد‌ها خط به چند خط کاهش داد.

علاوه بر رابط خط فرمان که برای شیمیدانان نظری با تجربه‌تر طراحی شده است، AutoSolvate دارای یک رابط گرافیکی بصری مناسب برای دانشجویان فارغ التحصیل در یادگیری اجرای شبیه سازی است.

AutoSolvateWeb بر این پایه استوار است.

گسترش دسترسی

AutoSolvateWeb با عملکرد در درجه اول بر روی زیرساخت‌های ابری بر چالش‌های پیکربندی سخت افزار غلبه می‌کند و منحنی یادگیری را برای تحقیقات پیچیده محاسباتی هموارتر می‌کند. چت بات از طریق زبان طبیعی به جای کد رایانه در قسمت جلویی ارتباط برقرار می‌کند، در حالی که AutoSolvateWeb فرآیند‌های نرم افزاری را در قسمت پشتیبان خودکار می‌کند.

لیو توضیح می‌دهد: شیمیدان‌ها می‌توانند زمان کمتری را صرف یادگیری نوشتن کد‌های کامپیوتری کنند تا بتوانند تلاش‌های خود را بیشتر روی مسائل خاصی که می‌خواهند حل کنند، متمرکز کنند. ما همچنین می‌خواهیم دانش‌آموزان را قادر کنیم تا شبیه‌سازی‌ها را خودشان اجرا کنند تا بتوانند دینامیک مولکول‌های موجود در محلول را کامل‌تر درک کنند.»

ربات گفتگوی AutoSolvateWeb به جای یک ربات چت مدل زبان بزرگ (LLM) مانند ChatGPT، اساساً مبتنی بر قوانین است. این مانند یک انسان واقعی در مورد طیف وسیعی از موضوعات صحبت نمی‌کند، بلکه برای وظایف خاصی طراحی شده است، شبیه به ربات‌های چت که برای خدمات مشتری مانند بانکداری آنلاین استفاده می‌شود.

ربات چت از کاربر می‌خواهد تا نام یک مولکول مورد علاقه، مانند کافئین را تایپ کند، سپس یک حلال برای حل کردن کافئین در آن، مانند آب، انتخاب کند. این سیستم از داده‌های PubChem - بزرگترین مجموعه اطلاعات شیمیایی آنلاین و رایگان در جهان که توسط مؤسسه ملی بهداشت جمع‌آوری شده است، بهره می‌برد.

چت بات کاربر را گام به گام از طریق محیط ابری راهنمایی می‌کند و به طور یکپارچه چندین برنامه نرم افزار منبع باز مورد نیاز برای گردش کار را یکپارچه می‌کند. هنگامی که تمام پارامتر‌های مناسب از طریق فرآیند خودکار محاسبه شدند، AutoSolvateWeb نتایج را برای ایجاد شبیه‌سازی به یک supercommuter بنیاد ملی علوم ارسال می‌کند.

Supercommuter یک فایل مسیر را برمی گرداند. کاربر می‌تواند این فایل را دانلود کرده و با استفاده از نرم افزار منبع باز فایل را به فیلمی سه بعدی از شبیه سازی درخواستی خود تبدیل کند.

دیدن یعنی باور کردن -- و درک کردن

AutoSolvateWeb آماده است تا نحوه آموزش شیمی را افزایش دهد.

رن می‌گوید: با قدرتمندتر شدن رایانه‌ها، اهمیت آنها برای تحقیقات علمی بیشتر می‌شود. دانشجویان شیمی در مقطع کارشناسی باید با شبیه سازی‌های کامپیوتری آشنا شوند تا بتوانند با پیشرفت‌ها در نحوه انجام تحقیقات همگام شوند. 

او solvatochromism، تکنیکی برای تجزیه و تحلیل ترکیب مواد شیمیایی در یک مایع، به عنوان نمونه‌ای از قدرت شبیه سازی کامپیوتری برای آموزش ذکر می‌کند.

دانشجویان مقطع لیسانس معمولاً در آزمایشات آزمایشگاهی با حل املاحی به نام رنگ ریچارت در حلال‌های مختلف، در مورد solvatochromism یاد می‌گیرند. این محلول بسته به نحوه جذب نور توسط مولکول‌های املاح، آبی، قرمز، سبز یا زرد می‌شود.

ساده‌ترین توضیح برای این پدیده این است که تغییرات رنگ به دلیل تغییر در قطبیت یک حلال است. تغییر در قطبیت حالت پایه یک مولکول را به طور متفاوتی تثبیت می‌کند، که به نوبه خود بر اوج جذب مولکول در طول طول موج نور تأثیر می‌گذارد.

آنچه برای توضیح دشوارتر است، استثنا‌هایی از این قاعده است. گاهی اوقات حلال‌هایی با قطبیت‌های مشابه به دلیل نحوه تشکیل پیوند‌های هیدروژنی بین املاح و حلال رنگ‌های متفاوتی تولید می‌کنند.

لیو می‌گوید: برای درک کامل اینکه پیوند هیدروژنی چگونه نقش ویژه‌ای در این موقعیت بازی می‌کند، دانش‌آموزان باید یک شبیه‌سازی رایانه‌ای را اجرا کنند. "دیدن باور کردن است. شما باید مستقیماً به ساختار در حال حرکت نگاه کنید تا بتوانید چیز‌ها را در مقیاس میکروسکوپی درک کنید. 

او می‌گوید، چنین تجسم‌های دقیقی به دانش‌آموزان کمک می‌کند تا تفکر انتقادی را بیاموزند، بنابراین می‌توانند فراتر از به خاطر سپردن مفاهیم در کتاب‌های درسی، به ساختن و تجزیه و تحلیل اکتشافات خود بروند.

رن می‌افزاید: در علم ما نمی‌خواهیم فقط بفهمیم چه اتفاقی دارد می‌افتد. ما می‌خواهیم بدانیم چرا این اتفاق می‌افتد. 

مولکول‌های کوچک، داده‌های بزرگ

لیو و همکارانش اکنون در حال کار برای گسترش دامنه سیستم‌های شیمیایی که AutoSolvateWeb می‌تواند شبیه‌سازی کند، فراتر از محدودیت‌هایی مانند مولکول‌های آلی منفرد به عنوان املاح هستند. آنها همچنین توانایی پلتفرم را برای تولید نه تنها داده بلکه برای ذخیره و تبادل آزادانه آن داده‌ها در جامعه شیمی در قالب منبع باز افزایش می‌دهند.

محققان امیدوارند که کار پیشگامانه آنها برای دموکراتیک کردن تحقیقات شیمی محاسباتی الهام بخش ابتکارات مشابه در سراسر علوم طبیعی باشد. رن توضیح می‌دهد که هدف نهایی آنها کمک به اتصال هوش مصنوعی در حوزه‌های مختلف علوم پایه است و قدرت تحقیقات بین‌رشته‌ای را تقویت می‌کند.

منبع: موارد ارائه شده توسط دانشگاه اموری. نوشته اصلی توسط کارول کلارک.