Geçen hafta IBM (International Business Machines) tarafından açıklanan uçtan uca, entegre bir kimyasal araştırma sistemi, yapay zeka, robotik ve Cloud’un ilaç keşfinin geleceğini nasıl değiştirebileceğine dair bize bir fikir veriyor.
Dünya’da hala COVID-19 salgınıyla mücadele ediliyor. Ancak bu yeni koronavirüs türü için aşı bulma çalışmaları henüz güvenilir sonuçlar vermedi. Araştırmacılar, virüsün bulaşmasını engellemek için insanlara seyahat etmemeyi ve sosyal mesafeyi öneriyorlar. Tedavi yöntemini bulabilmek için ise yıllarca sürebilecek olan manuel yöntemleri kullanıyorlar. Bu durum tedavinin bulunmasını geciktirmekle birlikte daha fazla can kaybı anlamına geliyor.
IBM’in RoboRXN olarak adlandırılan yeni sistemi, tüm süreci otomatikleştirmek ve bir araştırma laboratuvarında fiziksel varlık gerektirmeden kimyagerlere çalışmalarında yardımcı olmak için derin öğrenme algoritmalarını, IBM’in Cloud’unu ve robotik laboratuvarlarını kullanır. RoboRXN acil bir sorunu çözmek için doğru parçaları bir araya getirmenin bir örneği olarak tanımlanabilir.
Bunun veya diğer büyük teknoloji şirketlerinin önderlik ettiği diğer çalışmaların koronavirüs aşısının geliştirilmesine yardımcı olup olmayacağı henüz net olmasa da gelecek nesil ilaç ve kimyasal araştırma araçları için zemin hazırlamaya kesinlikle yardımcı olacaklardır. Böylelikle gelecekte daha hazırlıklı olmamızı sağlayacaklar.
İçindekiler
Kimyasal Sentez ve Retrosentez İçin AI Kullanımı
IBM’in RoboRXN ürünü, yapay zekanın kimyasal araştırmalara uygulanmasında üç yıllık araştırma ve geliştirmenin sonucudur. 2017 yılında şirket, ileri sentezde kimyasal reaksiyonları tahmin etmek için bir AI sistemi geliştirdi.
Kimyasal araştırmaların en çok zaman alan kısımlarından biri, kimyasal tepkimeler hakkında varsayımda bulunmak ve farklı kimyasal bileşenlerle deneyler yapmaktır. Kimyasal araştırmaların bu aşaması çok fazla deneyim gerektirir. Oysa kimyagerler genellikle belli alanlarda uzmanlaşmışlardır. Bu da yeni görevlerin üstesinden gelmelerini zorlaştırır.
IBM’in yapay zekası, kimyasal sentez için uyarlanmış bir nöral makine çeviri sistemidir. Yapay sinir ağları, son yıllarda doğal dil işlemede büyük ilerlemeler kaydetti. Sinir ağları insan dilinin bağlamını anlamasa da, sıralı verileri işlemedeki daha geniş yetenekleri, kimyasal araştırma dahil birçok alana hizmet edebilir.
2 milyondan fazla kimyasal reaksiyondan oluşan bir veri kümesi üzerinde eğitilen sinir ağı, ilk olarak NIPS 2017 AI konferansında IBM Araştırma ekibi tarafından sunulan bir makalede tanıtıldı. Sonraki yıl IBM, yapay zekayı kimyasal araştırma için Cloud tabanlı bir platform olan RXN for Chemistry olarak geliştirdi ve American Chemical Society’nin yıllık fuarında sundu. Kimya için RXN, kimyagerlere kimyasal reaksiyonların olası sonucunu tahmin etmede, araştırma süresinden tasarruf etmede ve deneyim kazanmak için geçen yılları azaltmada yardımcı olur.
2019’da IBM Araştırma ekibi, retrosentezi desteklemek için RXN for Chemistry’nin arkasındaki yapay zekayı geliştirdi. Retrosentez, kimyasal sentezin ters sürecidir. Ulaşmak istenen moleküler yapı bilinir ve yapay zekanın bu moleküle ulaşmak için gereken adım dizilerini ve kimyasal bileşenleri tahmin etmesi beklenir.
IBM Research Zurich’in yöneticisi Teodoro Laino TechTalks’a verdiği demeçte, “Retrosentez planlama modelleri, Pisa Üniversitesi’nden retrosentez uzmanları ile birlikte geliştirildi ve modellerimizi nasıl iyileştirebileceğimiz konusunda bize sürekli geri bildirimde bulundular.” dedi.
IBM RXN for Chemistry, etkileşimli bir modda retrosentetik rotalar tasarlama olanağına da sahiptir.
Etkileşimli modda, insan kimyager adım adım yol boyunca ilerler ve her aşamada AI tarafından öneriler alır. Laino, “Kimyasal sentez, bir insan-yapay zeka etkileşim oyununa dönüşüyor” diyor.
AI Parçalarının Bir Araya Getirilmesi
IBM Research Zurich’teki predoktoral araştırmacı Philippe Schwaller, TechTalks’a, RoboRXN’de kullanılan son AI sisteminin, her biri görevin bir bölümünü gerçekleştiren birkaç sekans-sekans transformatör modelinden oluştuğunu söyledi.
Schwaller, “Bir hedef molekül verildiğinde, RoboRXN, sistem ticari olarak mevcut molekülleri bulana kadar bir retro reaksiyon tahmini ve bir yol puanlama modeli ile tahminler kullanır. Tahminler sonucu bulduğu çoklu tarif adımlarını parçalara ayırır” dedi. Daha sonra, tarifin her bir adımı için, reaksiyon denklemleri, başka bir sekans-sekans transformatör modeli kullanılarak, kimyasal reaksiyonu başarıyla yürütmek için robotun gerçekleştirmesi gereken tüm gerekli eylemlere dönüştürülür. Bu model, farklı işlemler (ör. Ekleme, karıştırma, filtre) için reaksiyon koşullarını (ör. Sıcaklık, süre) tahmin eder. “
“Belirli bir hedef molekül için, RoboRXN yalnızca ticari olarak mevcut moleküllerden hedef moleküle yol açacak birden fazla kimyasal reaksiyondan oluşan bir reçete sağlamakla kalmıyor, aynı zamanda tarifin her adımı için bir robotun veya insan tepki adımını başarıyla yürütmek için gerçekleştirmek zorundadır ”diyor Laino.
Yemek pişirme ile bir benzetme yapmak için, sisteme pizza nasıl pişirileceğini sorarsanız, bir yapay zeka katmanı malzemeleri tahmin edecek ve ikincisi, malzemelerden son yemeğe gitmek için işlemlerin sırasını tahmin edecektir.
“Her durumda, AI birkaç tahmin arasından seçim yapabilir. En yüksek güven puanına sahip olanları öneriyoruz, ancak bir kullanıcı her zaman önerileri geçersiz kılabilir ve insan geri bildirimi verebilir ”diyor Laino. Ekip, gerçekleştirdikleri sunumda, bir kullanıcının sinir ağları tarafından tahmin edilen adımları ekleyerek, kaldırarak veya değiştirerek sürece nasıl atlayabileceğini gösterdi.
Açıklanabilirlik Sorunlarının Üstesinden Gelinmesi
Saf sinir ağı tabanlı bir yaklaşımın bazı faydaları vardır. Sistem genel olarak derin öğrenmeye ve özel olarak transformatörlere giden tüm araştırmalardan yararlanacaktır.
Ancak derin öğrenme, yorumlanabilirlik zorluklarıyla birlikte gelir. Sinir ağları, eğitim totalindeki farklı veri noktaları arasındaki korelasyonları bulmada ve bunlardan yararlanmada çok iyidir, ancak bu korelasyonların mutlaka nedensel değere sahip olmaması hatalı sonuçlar verebilir. Sistemi kullanan bilim insanları, AI sistemi tarafından kullanılan mantığı keşfedip düzeltebilmelidir.
Sistemin, hedef molekülü oluşturmanın adım adım bir prosedürünü sağlaması gerçeği, bir düzeyde açıklanabilirlik sağlar ve bilim insanlarının tüm süreci gözden geçirmesini kolaylaştırır. Ancak IBM araştırmacıları, bireysel adımların daha ayrıntılı açıklamalarını sağlamanın hala devam eden bir çalışma olduğunu kabul ettiler.
Schwaller TechTalks’a, ekibin tahminlerin yorumlanabilirliğini iyileştirmek, bunları adlandırılmış reaksiyonlara sınıflandırmak ve tahmin edilen reaksiyonları patentlerdeki benzer reaksiyonlara bağlamak için diğer iki transformatör tabanlı sinir ağı mimarisi olan BERT ve ALBERT’i araştırdığını söyledi. Araştırmacılar, bulgularını ChemRxiv ön baskı sunucusunda yayınlanan iki ayrı makalede yayınladılar.
Laino, “Son zamanlarda, dil modellerinin neden organik kimyayı ve kimyasal reaksiyonları bu kadar iyi öğrendiğini araştırdık ve insan etiketlemesi veya denetimi olmadan Transformer modellerinin, atomların bir kimyasal reaksiyon sırasında nasıl yeniden düzenlendiğini yakaladığını keşfettik” diye ekliyor. “Bu sözde atom haritalama sinyalinden, kimyasal reaksiyonların kurallarını ve gramerini çıkarabilir ve tahmin modellerimizi daha yorumlanabilir hale getirebiliriz.”
Ekip, RXN AI modelleri için bir görselleştirme aracı geliştirdi ve çevrimiçi olarak kullanıma sundu.
Robotik Laboratuvarı İle Entegrasyon
Tam otomatik kimya laboratuvarı için orijinal fikir, IBM’in 2018’deki American Chemical Society yıllık fuarında RXN for Chemistry’i sunduğunda ortaya çıktı. “Veriye dayalı her modelin (RXN dahil) sahip olduğu kusurlardan bağımsız olarak reaksiyonu görmek şaşırtıcıydı. Aslında standımızda demoyu görmek için bir grup insan toıpluluğu vardı. ”dedi Laino. “Önümüzde gerçek potansiyeli gördük. Kendi kendime sordum: Bir yapay zeka modeli otonom bir kimya laboratuvarını yönetebilir mi? “
Fikri ekibin geri kalanıyla tartıştıktan sonra RoboRXN fikri tasarlandı. Laino, “Gerisi yalnızca her şeyi inşa etmek için yoğun ama tatmin edici bir çalışmaydı: kalan yapay zeka modelleri, ticari olarak mevcut donanımın entegrasyonu ve tüm hizmetlerin Cloud’da konuşlandırılması,” dedi.
Çevrimiçi sunum sırasında, Laino ve ekibi RoboRXN ile varsayımsal bir deney yaptı. IBM Cloud uygulamasına bağlanan ve RoboRXN’ye bir hedef molekül sağlayan bir kullanıcı. AI sistemi talebi işleme koydu ve deney için önerici bir talimat seti sağladı. Kullanıcı ince ayar yaptıktan ve sonucu onayladıktan sonra, RoboRXN talimatları, komutları robotik araştırma laboratuvarına iletti ve deney başlatıldı. Canlı bir kamera görüntüsü, robotik laboratuvar deneyleri yürütürken adımları takip etmemizi sağladı.
Projede kullanılan donanım halihazırda ticari olarak mevcuttur ve bu, kuruluşların halihazırda sahip olduğu robotik laboratuvarlarla entegre edilmesini mümkün kılar.
Laino, “Kendi donanımımızı geliştirmek yerine endüstri standardı donanımı kullanmaya ve robota uzaktan programlama ve erişim sorununu çözmek için AI ve Cloud kullanmaya karar verdik” dedi. “Proje donanımdan bağımsızdır. Farklı donanım türleri kolaylıkla arayüzlenebilir. “
Ekip ayrıca paralel deneyleri ölçeklendirmek ve yürütmek için RoboRXN’yi öngörüyor. Araştırma laboratuvarları, platformu birden çok laboratuvardaki işlemleri koordine etmek ve hipotez test etme ve sonuçları toplama sürecini hızlandırmak için kullanabilir.
Pandemi Sırasında ve Sonrasında Araştırma
RoboRXN gibi otomatik araçlar, covid-19 kilitlenmesiyle kısıtlanan araştırma laboratuvarlarına ve bilim insanlarına destek sağlayabilir.
“Pandemi, gelecekte benzer kesintileri önlemek için mevcut tüm dijital çözümleri nasıl entegre edeceğimiz konusunda her birimizi alarma geçirdi. IBM’de makine öğrenimi araştırmacısı Matteo Manica, “laboratuvar kimyagerleri, bugün bile işe geri dönme konusunda ciddi sınırlamalarla karşı karşıyalar” dedi. “Computational bilim insanları, çevrimiçi olarak mevcut süper hesaplama kaynaklarına erişerek uzaktan çalışabilirler. Aynı şeyi bir kimya laboratuvarı düzeyinde sağlamaya karar verdik. Uzaktan erişilebilen, yapay zeka tarafından denetlenen ve robotik kimyasal donanım tarafından yürütülen bir kimyasal laboratuvar. “
Ancak faydalar yalnızca uzaktan erişim sağlamanın ötesine geçebilir ve insan bilim insanlarının bilişsel kapasitesini en çok ihtiyaç duyulan yere yönlendirmeye yardımcı olabilir.
“İnsanlar için robotik elektrikli süpürgeler ne ise RoboRXN de kimyagerler için odur. Her şeyi daha hızlı yapmak zorunda değiller, ancak işleri çok tekrarlanabilir bir şekilde yapıyorlar ve çalışmaları sırasında başka bir şey yapmaya odaklanabilirsiniz ”dedi Laino.
Otomatik laboratuvarların artan şekilde benimsenmesi, gelecekte yapay zeka modellerinin performansını iyileştirmeye yardımcı olabilecek daha fazla dijital veri üretecektir. Kuruluşlar, RoboRXN’yi çalıştırmak ve robotik laboratuvarlardan elde edilen sonuçları depolamak için IBM Cloud’u kullanabilir. Alternatif olarak, tüm sistemi şirket içinde veya özel bir Cloud’da kurabilirler. IBM’in şu anda RoboRXN’den elde edilen verileri yapay zeka modellerinde ince ayar yapmak için kullanma planı yoktur. Ancak platformu kullanan araştırmacılar, kendi sonuçlarını diğer açık veri kümeleriyle bütünleştirebilir ve bunları IBM’in halka açık hale getirdiği derin öğrenme modellerini eğitmek için kullanabilir.
Bu makale ilk olarak Ben Dickson tarafından, teknolojideki eğilimleri, yaşama ve iş yapma şeklimizi nasıl etkilediklerini ve çözdükleri sorunları inceleyen bir yayın olan TechTalks’ta yayınlandı. Ama aynı zamanda teknolojinin kötü yanını, yeni teknolojinin daha karanlık etkilerini ve nelere dikkat etmemiz gerektiği tartışılıyor. Orijinal makaleyi buradan okuyabilirsiniz.
Bu yazı sitesinden çeviri yapılmıştır. Bazı kısımlar metnin orjinalin’den farklı olarak yazar tarafından düzenlendi.
Benzer bir yazı için sitemizdeki bu linki ziyaret edebilirsiniz.
Hata!
Yorumunuz Çok Kısa, Yorum yapabilmek için en az En az 10 karakter gerekli