ملخص
وجد الذكاء الاصطناعي/تعلم الآلة تطبيقات في جميع جوانب العلوم المتعلقة بالكيمياء. في حين أن توفر البيانات التجريبية الموثوقة يمثل حاليًا التحدي الرئيسي، فإن استخدام أساليب DFT الحديثة عالية الإنتاجية يمكن أن يساعد في التحايل على هذا القيد. غالبًا ما ركزت الدراسات التي أجريت حول تطبيق التعلم الآلي على الحفز على تحسين العملية، واختيار الروابط،1 مع بعض النمذجة الإحصائية المستندة إلى البيانات التجريبية. يقتصر الاستكشاف الآلي لمساحة الليجند على فئات محددة من المحفزات مع اختلاف بسيط في الروابط. ويرجع ذلك أساسًا إلى العدد الأقل بكثير من الروابط المعروفة (الآلاف بدلاً من الملايين) المتاحة للتدريب على خوارزميات الاستكشاف. قدمت مجموعة Nguyen حلاً بديلاً لذلك، من خلال استغلال قاعدة بيانات كامبريدج الهيكلية (CSD) كمصدر للروابط المحتملة للحفز بالاشتراك مع حسابات DFT عالية الإنتاجية لاكتشاف روابط جديدة قابلة للحياة لتفاعلات اقتران أولمان-غولدبرغ. ومع ذلك، فإن استكشاف مساحة الروابط الجديدة لا يزال يمثل لبنة أساسية في الاكتشاف الحقيقي للمحفزات الموجه بالذكاء الاصطناعي.
سيتم تسليم المشروع:
(ط) سير عمل آلي سريع يتنبأ بحاجز طاقة التنشيط للدورات الحفزية من خلال حسابات DFT الحديثة عالية الإنتاجية والذكاء الاصطناعي/التعلم الآلي بدقة عالية (التمييز).
(2) خوارزمية آلية لاستكشاف الفضاء الكيميائي حول الروابط/المحفزات الواعدة، استنادًا إلى أجهزة التشفير التلقائي، مما يؤدي إلى روابط/محفزات (مولد) جديدة ومحسنة.
(3) عرض توضيحي لـ AutoCatD على تفاعلات الاقتران المحفزة بالنيكل والحديد وتفاعلات التنشيط C-H.
سيستفيد الطلاب من خبرة مجموعة Nguyen في الحفز الكيميائي والكيمياء الحاسوبية عالية الإنتاجية والذكاء الاصطناعي/التعلم الآلي في الكيمياء. بالإضافة إلى ذلك، سيستفيد الطالب من العمل في بيئة بحثية متعددة التخصصات في iPRD. سيتم توفير برنامج ندوة، حيث تتم مناقشة جوانب الكيمياء الخضراء والذكاء الاصطناعي وهندسة العمليات على أساس شهري. سيتم توفير فرص عرض العمل والتواصل من خلال اجتماعات نادي iPRD الصناعي واجتماعات CheM62 وفعاليات RSC بالإضافة إلى مؤتمرات دولية/وطنية حول الكيمياء الخضراء والذكاء الاصطناعي.
