![تولید نهال و پایههای رویشی باکیفیت و زودرس از طریق کشتبافت](/files/fa/news/1403/5/24/617783_575.jpg)
هوش مصنوعی شیمیدان شد/ طراحی موفق واکنشهای شیمیایی پیچیده
![هوش مصنوعی شیمیدان شد طراحی موفق واکنشهای شیمیایی پیچیده](/files/fa/news/1402/10/4/415940_106.png)
به گزارش خبرگزاری علم و فناوری آنا به نقل از ساینس دیلی، در زمانی کمتر از آنچه خواندن این مطلب طول میکشد، یک سیستم مبتنی بر هوش مصنوعی توانسته است به صورت خودکار برخی واکنشهای شیمیایی که برنده جایزه نوبل شدهاند را یاد بگیرد و یک روش آزمایشگاهی موفق برای ساخت آنها طراحی کند. هوش مصنوعی تمام این کارها را فقط در عرض چند دقیقه انجام داد و در نخستین تلاش خود توانست آن را با موفقیت به پایان برساند.
گیب گومز، شیمیدان و مهندس شیمی دانشگاه کارنگی ملون (Carnegie Mellon University) که رهبری تیم تحقیقاتی مونتاژ و آزمایش این سیستم مبتنی بر هوش مصنوعی را بر عهده دارد، میگوید: این نخستین باری است که یک هوش غیر ارگانیک این واکنش پیچیده را که توسط انسانها ابداع شده بود، برنامه ریزی، طراحی و اجرا میکند. آنها نام اختراع خود را «کوساینتیست» یا دانشمند (Coscientist) گذاشتهاند.
پیچیدهترین واکنشهایی که «کوساینتیست» انجام داد در شیمی آلی به عنوان جفتهای متقابل کاتالیز شده با پالادیوم شناخته میشوند، که جایزه نوبل شیمی را در سال ۲۰۱۰، برای مخترعان انسانی خود به ارمغان آورد.
تواناییهای اثبات شده «کوساینتیست» که در مجله «نیچر» (Nature) منتشر شده است، نشان میدهد که انسانها میتوانند از هوش مصنوعی برای افزایش سرعت و تعداد اکتشافات علمی و همچنین بهبود قابلیت تکرار و اطمینان از نتایج تجربی استفاده کنند.
دیوید برکوویتز، مدیر بخش شیمی بنیاد ملی علوم (NSF) میگوید: فراتر از وظایف سنتز شیمیایی که توسط این سیستم هوش مصنوعی انجام شد، گومز و تیمش با موفقیت نوعی شریک آزمایشگاهی فوق کارآمد را سنتز کرده اند. آنها همه قطعات را کنار هم میگذارند و نتیجه نهایی بسیار رضایتبخش است که میتوان از آن برای اهداف علمی واقعاً مفید استفاده کرد.
در میان نرمافزارهای «کوساینتیست» و قطعات مبتنی بر سیلیکون، مدلهای زبان بزرگی هستند که از یک «مغز» مصنوعی تشکیل شدهاند. یک مدل زبان بزرگ نوعی از هوش مصنوعی است که میتواند معنا و الگوها را از حجم عظیمی از داده ها، از جمله متن نوشتاری موجود در اسناد استخراج کند. محققان از طریق یک سری وظایف، چندین مدل زبانی بزرگ از جمله «جیپیتی-۴» (GPT-۴) و سایر نسخههای آن را آزمایش و با یکدیگر مقایسه کردند.
«کوساینتیست» همچنین به چندین ماژول نرم افزاری مختلف مجهز بود که محققان ابتدا به صورت جداگانه و سپس به صورت هماهنگ آنها را آزمایش کرد.
بویکو که معماری کلی «کوساینتیست» و وظایف آزمایشی آن را طراحی کرده است، میگوید: ما سعی کردیم تمام وظایف ممکن در علم را به قطعات کوچک تقسیم کنیم و سپس قطعه به قطعه تصویر بزرگتر را بسازیم.
ماژولهای نرم افزاری به دانشمندان اجازه داد کارهایی را انجام دهند که همه شیمیدانهای تحقیقاتی انجام میدهند: جستجوی اطلاعات عمومی در مورد ترکیبات شیمیایی، یافتن و خواندن دستورالعملهای فنی در مورد نحوه کنترل تجهیزات آزمایشگاهی رباتیک، نوشتن کد کامپیوتری برای انجام آزمایشها و تجزیه و تحلیل دادههای حاصل برای تعیین اینکه چه چیزی کار میکند و چه چیزی کار نمیکند.
یکی از این آزمایشها توانایی دانشمندان در برنامه ریزی دقیق روشهای شیمیایی را مورد بررسی قرار داد که در صورت انجام، منجر به تولید مواد رایجی مانند آسپرین، استامینوفن و ایبوپروفن میشود.
انتهای پیام/