Ein neues KI-Modell des MIT könnte die Pharmaindustrie revolutionieren.
In Kürze
- Vorhersage der Auflösungsfähigkeit von Molekülen in Lösungsmitteln
- Optimierung der Medikamentenentwicklung und Reduzierung gefährlicher Lösungsmittel
- Zwei leistungsstarke Modelle auf Basis von maschinellem Lernen getestet
Neues Computermodell des MIT zur Vorhersage der Molekülauflösung
Forscher des Massachusetts Institute of Technology (MIT) haben ein neues Computermodell entwickelt, das die Auflösungsfähigkeit von Molekülen in organischen Lösungsmitteln vorhersagen kann. Diese Innovation könnte insbesondere für die Pharmaindustrie von großer Bedeutung sein, da sie dazu beiträgt, die Entwicklung von Medikamenten zu optimieren und gleichzeitig den Einsatz gefährlicher Lösungsmittel zu reduzieren. Ethanol und Aceton spielen hierbei eine zentrale Rolle in chemischen Reaktionen.
Maschinelles Lernen in der Forschung
Im Rahmen ihrer Forschung haben die Wissenschaftler zwei Modelle auf Basis von maschinellem Lernen getestet:
- FastProp: Verwendet vorgegebene chemische Strukturen, die als Embeddings bezeichnet werden.
- ChemProp: Hat die Fähigkeit, während des Lernprozesses neue Strukturen zu erkennen.
Beide Modelle wurden mit einer umfangreichen Datensammlung namens BigSolDB trainiert, die Solubility-Daten aus hunderten von Quellen umfasst. Überraschenderweise lieferten beide Modelle ähnliche präzise Ergebnisse.
Öffentliche Zugänglichkeit und Anwendung
Das FastProp-Modell wurde bereits der Öffentlichkeit zugänglich gemacht und findet Anwendung in mehreren pharmazeutischen Unternehmen, da es schnellere Vorhersagen ermöglicht. Diese Entwicklung könnte einen wichtigen Schritt in Richtung umweltfreundlicherer und sichererer Lösungen in der chemischen Industrie darstellen.
Quellen
- Quelle: Massachusetts Institute of Technology
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
