Massive verktøy avanserte stor kjemi i 2022
Gigantiske datasett og kolossale instrumenter hjalp forskere med å takle kjemi i en gigantisk skala i år
avAriana Remmel
Kreditt: Oak Ridge Leadership Computing Facility ved ORNL
Frontier-superdatamaskinen ved Oak Ridge National Laboratory er den første av en ny generasjon maskiner som vil hjelpe kjemikere å ta på seg molekylære simuleringer som er mer komplekse enn noen gang før.
Forskere gjorde store funn med overdimensjonerte verktøy i 2022. Ved å bygge på den siste trenden med kjemisk kompetent kunstig intelligens, tok forskere store fremskritt og lærte datamaskiner å forutsi proteinstrukturer i en enestående skala.I juli publiserte det Alphabet-eide selskapet DeepMind en database som inneholder strukturene tilnesten alle kjente proteiner—200 millioner pluss individuelle proteiner fra over 100 millioner arter – som forutsagt av maskinlæringsalgoritmen AlphaFold.Så, i november, demonstrerte teknologiselskapet Meta sin fremgang innen proteinprediksjonsteknologi med en AI-algoritme kaltESMFold.I en preprint-studie som ennå ikke har blitt fagfellevurdert, rapporterte Meta-forskere at deres nye algoritme ikke er like nøyaktig som AlphaFold, men er raskere.Den økte hastigheten betydde at forskerne kunne forutsi 600 millioner strukturer på bare 2 uker (bioRxiv 2022, DOI:10.1101/2022.07.20.500902).
Biologer ved University of Washington (UW) School of Medicine hjelper tilutvide datamaskiners biokjemiske evner utover naturens malved å lære maskiner å foreslå skreddersydde proteiner fra bunnen av.UWs David Baker og teamet hans laget et nytt AI-verktøy som kan designe proteiner ved enten å iterativt forbedre på enkle spørsmål eller ved å fylle ut hullene mellom utvalgte deler av en eksisterende struktur (Vitenskap2022, DOI:10.1126/science.abn2100).Teamet debuterte også et nytt program, ProteinMPNN, som kan starte fra designet 3D-former og sammenstillinger av flere proteinunderenheter og deretter bestemme aminosyresekvensene som trengs for å gjøre dem effektivt (Vitenskap2022, DOI:10.1126/science.add2187;10.1126/science.add1964).Disse biokjemisk kunnskapsrike algoritmene kan hjelpe forskere med å bygge tegninger for kunstige proteiner som kan brukes i nye biomaterialer og legemidler.
Kreditt: Ian C. Haydon/UW Institute for Protein Design
Maskinlæringsalgoritmer hjelper forskere med å finne nye proteiner med spesifikke funksjoner i tankene.
Etter hvert som beregningskjemikernes ambisjoner vokser, vokser også datamaskinene som brukes til å simulere den molekylære verdenen.På Oak Ridge National Laboratory (ORNL) fikk kjemikere et første glimt av en av de kraftigste superdatamaskinene som noen gang er bygget.ORNLs exascale superdatamaskin, Frontier, er blant de første maskinene som beregner mer enn 1 kvintillion flytende operasjoner per sekund, en enhet for beregningsmessig aritmetikk.Den datahastigheten er omtrent tre ganger så høy som den regjerende mesteren, superdatamaskinen Fugaku i Japan.I løpet av det neste året planlegger ytterligere to nasjonale laboratorier å debutere exascale datamaskiner i USA.Den store datamaskinkraften til disse toppmoderne maskinene vil tillate kjemikere å simulere enda større molekylære systemer og på lengre tidsskalaer.Dataene som er samlet inn fra disse modellene kan hjelpe forskere med å flytte grensene for hva som er mulig i kjemi ved å redusere gapet mellom reaksjonene i en kolbe og de virtuelle simuleringene som brukes til å modellere dem."Vi er på et punkt der vi virkelig kan begynne å stille spørsmål om hva det er som mangler fra våre teoretiske metoder eller modeller som vil bringe oss nærmere det et eksperiment forteller oss er ekte," Theresa Windus, en beregningskjemiker ved Iowa State University og prosjektleder med Exascale Computing Project, fortalte C&EN i september.Simuleringer som kjøres på datamaskiner i exascale kan hjelpe kjemikere med å finne opp nye drivstoffkilder og designe nye klimabestandige materialer.
Over hele landet, i Menlo Park, California, installeres SLAC National Accelerator Laboratorysuperkule oppgraderinger til Linac Coherent Light Source (LCLS)som kan tillate kjemikere å kikke dypere inn i den ultraraske verdenen av atomer og elektroner.Anlegget er bygget på en 3 km lineær akselerator, hvorav deler avkjøles med flytende helium ned til 2 K, for å produsere en type supersterk, superrask lyskilde kalt en røntgenfrielektronlaser (XFEL).Kjemikere har brukt instrumentenes kraftige pulser til å lage molekylære filmer som har gjort dem i stand til å se utallige prosesser, som kjemiske bindinger som dannes og fotosyntetiske enzymer som fungerer."På et femtosekund kan du se atomer stå stille, enkeltatombindinger brytes," sa Leora Dresselhaus-Marais, en materialforsker med felles avtaler ved Stanford University og SLAC, til C&EN i juli.Oppgraderingene til LCLS vil også gjøre det mulig for forskere å justere energien til røntgenstråler bedre når de nye funksjonene blir tilgjengelige tidlig neste år.
Kreditt: SLAC National Accelerator Laboratory
SLAC National Accelerator Laboratorys røntgenlaser er bygget på en 3 km lineær akselerator i Menlo Park, California.
I år så forskerne også hvor kraftig det etterlengtede romteleskopet James Webb (JWST) kunne være for å avslørekjemisk kompleksitet i universet vårt.NASA og partnerne deres – European Space Agency, Canadian Space Agency og Space Telescope Science Institute – har allerede sluppet dusinvis av bilder, fra blendende portretter av stjernetåker til elementære fingeravtrykk fra gamle galakser.Det infrarøde teleskopet på 10 milliarder dollar er pyntet med suiter med vitenskapelige instrumenter designet for å utforske universets dype historie.I flere tiår har JWST allerede overgått forventningene til ingeniørene sine ved å ta et bilde av en virvlende galakse slik den så ut for 4,6 milliarder år siden, komplett med spektroskopiske signaturer av oksygen, neon og andre atomer.Forskere målte også signaturer av dampende skyer og dis på en eksoplanet, og ga data som kan hjelpe astrobiologer med å søke etter potensielt beboelige verdener utenfor jorden.
Innleggstid: Feb-07-2023