ابزارهای عظیم، شیمی را در سال ۲۰۲۲ به طور چشمگیری پیشرفت دادند. مجموعه داده‌های غول‌پیکر و ابزارهای عظیم به دانشمندان کمک کردند تا امسال در مقیاسی عظیم به شیمی بپردازند.

ابزارهای عظیم، شیمی بزرگ را در سال 2022 به پیش می‌برند

مجموعه داده‌های غول‌پیکر و ابزارهای عظیم به دانشمندان کمک کردند تا امسال در مقیاسی عظیم به شیمی بپردازند.

توسطآریانا رمل

اعتبار: مرکز محاسبات رهبری اوک ریج در ORNL

ابررایانه Frontier در آزمایشگاه ملی اوک ریج، اولین نمونه از نسل جدیدی از ماشین‌هایی است که به شیمیدانان کمک می‌کند تا شبیه‌سازی‌های مولکولی پیچیده‌تری نسبت به گذشته انجام دهند.

دانشمندان در سال ۲۰۲۲ با ابزارهای بسیار بزرگ به اکتشافات بزرگی دست یافتند. محققان با تکیه بر روند اخیر هوش مصنوعیِ کارآمد از نظر شیمیایی، گام‌های بلندی برداشتند و به رایانه‌ها آموزش دادند تا ساختارهای پروتئین را در مقیاسی بی‌سابقه پیش‌بینی کنند. در ماه ژوئیه، شرکت دیپ‌مایند (DeepMind) که متعلق به آلفابت است، پایگاه داده‌ای حاوی ساختارهای ... منتشر کرد.تقریباً تمام پروتئین‌های شناخته شده- بیش از ۲۰۰ میلیون پروتئین منفرد از بیش از ۱۰۰ میلیون گونه - همانطور که توسط الگوریتم یادگیری ماشینی AlphaFold پیش‌بینی شده بود. سپس، در ماه نوامبر، شرکت فناوری Meta پیشرفت خود را در فناوری پیش‌بینی پروتئین با یک الگوریتم هوش مصنوعی به نامای‌اس‌ام‌فولددر یک مطالعه‌ی پیش‌چاپ که هنوز مورد بررسی دقیق قرار نگرفته است، محققان متا گزارش دادند که الگوریتم جدید آنها به اندازه‌ی آلفافولد دقیق نیست اما سریع‌تر است. افزایش سرعت به این معنی است که محققان می‌توانند ۶۰۰ میلیون ساختار را تنها در ۲ هفته پیش‌بینی کنند (bioRxiv 2022, DOI:‎۱۰.۱۱۰۱/۲۰۲۲.۰۷.۲۰.۵۰۰۹۰۲‎).

زیست‌شناسان دانشکده پزشکی دانشگاه واشنگتن (UW) در حال کمک به...قابلیت‌های بیوشیمیایی کامپیوترها را فراتر از الگوی طبیعت گسترش دهیدبا آموزش ماشین‌ها برای پیشنهاد پروتئین‌های سفارشی از ابتدا. دیوید بیکر از دانشگاه واشنگتن و تیمش یک ابزار هوش مصنوعی جدید ایجاد کردند که می‌تواند پروتئین‌ها را یا با بهبود مکرر دستورالعمل‌های ساده یا با پر کردن شکاف‌های بین بخش‌های انتخاب شده از یک ساختار موجود طراحی کند (علم۲۰۲۲، شناسه دیجیتال:‎۱۰.۱۱۲۶/science.abn۲۱۰۰‎این تیم همچنین برنامه جدیدی به نام ProteinMPNN را معرفی کرد که می‌تواند از اشکال سه‌بعدی طراحی‌شده و مجموعه‌هایی از زیرواحدهای پروتئینی متعدد شروع کند و سپس توالی‌های اسید آمینه مورد نیاز برای ساخت مؤثر آنها را تعیین کند (علم۲۰۲۲، شناسه دیجیتال:‎۱۰.۱۱۲۶/science.add۲۱۸۷‎;‎۱۰.۱۱۲۶/science.add۱۹۶۴‎این الگوریتم‌های بیوشیمیایی می‌توانند به دانشمندان در ساخت طرح‌هایی برای پروتئین‌های مصنوعی که می‌توانند در مواد زیستی و داروهای جدید استفاده شوند، کمک کنند.

اعتبار: ایان سی. هایدون/موسسه طراحی پروتئین دانشگاه واشنگتن

الگوریتم‌های یادگیری ماشین به دانشمندان کمک می‌کنند تا پروتئین‌های جدیدی را با عملکردهای خاص در ذهن خود بسازند.

همزمان با افزایش جاه‌طلبی‌های شیمی‌دانان محاسباتی، کامپیوترهایی که برای شبیه‌سازی دنیای مولکولی استفاده می‌شوند نیز افزایش می‌یابند. در آزمایشگاه ملی اوک ریج (ORNL)، شیمی‌دانان برای اولین بار نگاهی اجمالی به یکی از قدرتمندترین ابررایانه‌های ساخته شده تاکنون انداختند.ابررایانه اگزاسکیل ORNL، Frontier، جزو اولین ماشین‌هایی است که بیش از ۱ کوینتیلیون عملیات شناور در ثانیه، واحدی از محاسبات محاسباتی، را محاسبه می‌کند. این سرعت محاسبه تقریباً سه برابر سریع‌تر از قهرمان فعلی، ابررایانه فوگاکو در ژاپن است. در سال آینده، دو آزمایشگاه ملی دیگر قصد دارند کامپیوترهای اگزااسکیل را در ایالات متحده راه‌اندازی کنند. قدرت محاسباتی عظیم این ماشین‌های پیشرفته به شیمیدانان اجازه می‌دهد تا سیستم‌های مولکولی حتی بزرگتری را در مقیاس‌های زمانی طولانی‌تر شبیه‌سازی کنند. داده‌های جمع‌آوری‌شده از این مدل‌ها می‌تواند به محققان کمک کند تا با کاهش شکاف بین واکنش‌ها در یک فلاسک و شبیه‌سازی‌های مجازی مورد استفاده برای مدل‌سازی آنها، مرزهای آنچه در شیمی ممکن است را جابجا کنند. ترزا ویندوس، شیمیدان محاسباتی در دانشگاه ایالتی آیووا و سرپرست پروژه با پروژه محاسبات اگزااسکیل، در ماه سپتامبر به C&EN گفت: «ما در نقطه‌ای هستیم که می‌توانیم واقعاً شروع به پرسیدن سوالاتی در مورد آنچه که در روش‌ها یا مدل‌های نظری ما وجود ندارد، کنیم که ما را به آنچه یک آزمایش به ما می‌گوید واقعی است، نزدیک‌تر می‌کند.» شبیه‌سازی‌هایی که روی رایانه‌های اگزااسکیل اجرا می‌شوند می‌توانند به شیمیدانان در اختراع منابع سوخت جدید و طراحی مواد جدید مقاوم در برابر آب و هوا کمک کنند.

در سراسر کشور، در منلو پارک، کالیفرنیا، آزمایشگاه ملی شتاب‌دهنده SLAC در حال نصب ...ارتقاءهای فوق‌العاده به منبع نور همدوس Linac (LCLS)این می‌تواند به شیمیدانان اجازه دهد تا عمیق‌تر به دنیای فوق سریع اتم‌ها و الکترون‌ها نگاه کنند. این مرکز بر روی یک شتاب‌دهنده خطی ۳ کیلومتری ساخته شده است که بخش‌هایی از آن با هلیوم مایع تا دمای ۲ کلوین خنک می‌شوند تا نوعی منبع نور فوق‌العاده روشن و فوق‌العاده سریع به نام لیزر الکترون آزاد پرتو ایکس (XFEL) تولید کنند. شیمیدانان از پالس‌های قدرتمند این دستگاه‌ها برای ساخت فیلم‌های مولکولی استفاده کرده‌اند که آنها را قادر ساخته است فرآیندهای بی‌شماری مانند تشکیل پیوندهای شیمیایی و عملکرد آنزیم‌های فتوسنتزی را تماشا کنند. لئورا درسلهاوس-مارایس، دانشمند مواد با سمت‌های مشترک در دانشگاه استنفورد و SLAC، در ماه ژوئیه به C&EN گفت: «در یک فلاش فمتوثانیه‌ای، می‌توانید اتم‌ها را در حال سکون و شکستن پیوندهای تک اتمی ببینید.» ارتقاء LCLS همچنین به دانشمندان این امکان را می‌دهد که انرژی پرتوهای ایکس را با در دسترس قرار گرفتن قابلیت‌های جدید در اوایل سال آینده، بهتر تنظیم کنند.

اعتبار: آزمایشگاه شتاب‌دهنده ملی SLAC

لیزر پرتو ایکس آزمایشگاه ملی شتاب‌دهنده SLAC بر روی یک شتاب‌دهنده خطی ۳ کیلومتری در منلو پارک، کالیفرنیا ساخته شده است.

امسال، دانشمندان همچنین دیدند که تلسکوپ فضایی جیمز وب (JWST) که مدت‌ها در انتظارش بودند، چقدر می‌تواند در آشکارسازی ... قدرتمند باشد.پیچیدگی شیمیایی جهان ماناسا و شرکایش - آژانس فضایی اروپا، آژانس فضایی کانادا و موسسه علوم تلسکوپ فضایی - تاکنون ده‌ها تصویر، از پرتره‌های خیره‌کننده از سحابی‌های ستاره‌ای گرفته تا ردپای عناصر کهکشان‌های باستانی، منتشر کرده‌اند. این تلسکوپ مادون قرمز ۱۰ میلیارد دلاری با مجموعه‌ای از ابزارهای علمی که برای کاوش در تاریخ عمیق جهان ما طراحی شده‌اند، تجهیز شده است. تلسکوپ جیمز وب که دهه‌ها در حال ساخت بوده، با ثبت تصویری از یک کهکشان چرخان در ۴.۶ میلیارد سال پیش، به همراه نشانه‌های طیف‌سنجی اکسیژن، نئون و سایر اتم‌ها، از انتظارات مهندسان خود فراتر رفته است. دانشمندان همچنین نشانه‌های ابرهای بخارآلود و مه را روی یک سیاره فراخورشیدی اندازه‌گیری کردند و داده‌هایی را ارائه دادند که می‌تواند به اخترشناسان در جستجوی جهان‌های بالقوه قابل سکونت فراتر از زمین کمک کند.