Virtual Chemistry (Εικονική χημεία)

Οι υπολογιστές έχουν γίνει κεντρικό εργαλείο για τη Χημεία

Via RSC, SOURCE: © DIGITALVISION VECTORS / GETTY IMAGES 

Οι υπολογιστές γίνονται όλο και καλύτεροι στη μοντελοποίηση της χημείας. Αλλά υπάρχουν ακόμα πολλές προκλήσεις που πρέπει να ξεπεραστούν.

Η υπολογιστική χημεία εξελίσσεται ταχέως, βελτιώνοντας την ικανότητά μας να κατανοούμε τον κόσμο. Ωστόσο, αυτή η πρόοδος έχει προκαλέσει συζήτηση σχετικά με το πώς πρέπει να τη χρησιμοποιήσουμε για να απαντήσουμε σε διαφορετικές ερωτήσεις, ιδιαίτερα αν λάβουμε υπόψη τις ανταγωνιστικές δυνάμεις κατά την εφαρμογή της.

Για παράδειγμα, υπάρχει μια δυναμική ισορροπία μεταξύ ακρίβειας και ταχύτητας, η οποία μερικές φορές οδηγεί σε  αμφιλεγόμενες συμβιβασμούς. Οι περισσότερες από αυτές τις διαμάχες περιστρέφονται γύρω από τις προσεγγίσεις που είναι οι πλέον κατάλληλες για ένα συγκεκριμένο τύπο συστήματος - μια κακή επιλογή θα μπορούσε να οδηγήσει σε εσφαλμένα ή παραπλανητικά αποτελέσματα. Μια άλλη πρόκληση είναι η ισορροπία μεταξύ της βαθιάς κατανόησης των θεμελιωδών λεπτομερειών για συγκεκριμένα συστήματα και των ευρύτερων προσεγγίσεων που βασίζονται σε δεδομένα, τα οποία μπορούν να γενικευθούν σε διαφορετικές εφαρμογές. Σε ορισμένες περιπτώσεις, αυτό γίνεται αντιληπτό ως η διαμάχη για λεπτομεριακή κατανόηση κόντρα στους πρακτικούς στόχους της βιομηχανίας. Με άλλα λόγια η άποψη "να καταλαβαίνεις πάντα τι ακριβώς κάνεις" κόντρα στη άποψη "κάντο και ας μην καταλαβαίνεις τι κάνεις".

Η εξίσωση του Schrödinger 

Ωστόσο, η πρόοδος βασίζεται στο διάλογο μεταξύ αυτών που επιδιώκουν την ανάπτυξη μεθόδων και εκείνων που επικεντρώνονται στις εφαρμογές. Στην ιδανική περίπτωση, οι εφαρμογές πρέπει να ωθήσουν την ανάπτυξη μεθόδων, ενθαρρύνοντας τους προγραμματιστές να στοχεύουν σε εφαρμογές μεγάλου ενδιαφέροντος, ενώ η κοινότητα των εφαρμογών θα πρέπει να εκμεταλλευτεί τα εργαλεία αιχμής με πλήρη γνώση των περιορισμών τους.

Ακρίβεια έναντι ταχύτητας

Παρά την αυξανόμενη δύναμη στον υπολογιστή, η υπολογιστική χημεία εξακολουθεί να αποτελεί μια αντιπαράθεση μεταξύ της ακριβούς απάντησης και της γρήγορης απάντησης. Η εύρεση της θέσης ισορροπίας εξαρτάται συχνά από το μέγεθος του συστήματος - καθώς τα συστήματα μεγαλώνουν, πρέπει να εισαχθούν προσεγγίσεις που μειώνουν την ακρίβεια για χάριν της ταχύτητας.

 C60 με ισεπιφάνεια της πυκνότητας ηλεκτρονικής κατάστασης,
όπως υπολογίζεται με DFT.
 By Itamblyn - Own work, GFDL,

Τα μικρά μόρια μπορούν να αντιμετωπιστούν αυστηρά χρησιμοποιώντας μεθόδους κβαντικής μηχανικής υψηλού επιπέδου για την εύρεση της  κυματοσυνάρτησης  ώστε να ληφθούν ποσοτικά ακριβείς γεωμετρίες (οι αποστάσεις και γωνίες μεταξύ των ατόμων στο μόριο) και οι σχετικές ενέργειες. Κάτι τέτοιο όμως γρήγορα γίνεται υπερβολικά απαιτητικό για τα μεγαλύτερα μόρια, επομένως πρέπει να χρησιμοποιηθεί μια προσέγγιση που είναι υπολογιστικά λιγότερο απαιτητική όπως η "θεωρία συναρτησιακών πυκνότητας" (density functional theory=DFT). Η DFT βασίζεται σε μια αυστηρή και καλά θεμελιωμένη θεωρία και κατ' αρχάς είναι ακριβής, αλλά εφαρμόζεται χρησιμοποιώντας την προσέγγιση μιας ποσότητας που ονομάζεται "συναρτησιακό συσχέτισης-ανταλλαγής ηλεκτρονίων". Τυπικά, αυτή η προσέγγιση περιλαμβάνει τη χρήση παραμέτρων. Αυτές οι παράμετροι είναι προσαρμοσμένες έτσι ώστε να δίνουν τις σωστές ενέργειες και μερικές φορές τις σωστές γεωμετρίες για μόρια που έχουν προυπολογιστεί και περιλαμβάνονται σε συγκεκριμένα σύνολα δεδομένων. Ως αποτέλεσμα, κάθε συναρτησιακό τείνει να λειτουργεί καλά για συστήματα παρόμοια με εκείνα στα σύνολα δεδομένων. Μια εναλλακτική προσέγγιση είναι να αναπτυχθούν κβαντομηχανικές μέθοδοι που υπολογιστικά μπορούν να επεκταθούν σε μεγαλύτερα συστήματα

Δεν είμαστε ποτέ πλήρως ικανοποιημένοι - πάντα θα επεκτείνουμε τους στόχους μας μέχρι να αξιοποιούμε όλη την υπολογιστική δύναμη που διαθέτουμε

Προχωρώντας σε ανώτερη κλίμακα υπολογισμών σε πρωτεΐνες, μεμβράνες ή ακόμη σε ολόκληρα κύτταρα, πρέπει να γίνει ένας παρόμοιος συμβιβασμός. [παραπομπή 1] Αυτά τα μόρια έχουν ένα πολύ μεγαλύτερο χώρο διαμορφώσεων και προσπαθώντας να βρούμε τις πιο σταθερές καταστάσεις σε μια μεγάλη δυνναμική ενεργειακή επιφάνεια εισάγει τον ανταγωνισμό μεταξύ της ακρίβειας της ενεργειακής επιφάνειας και του πόσο εκτενώς διερευνάμε αυτό το χώρο των πιθανών διαμορφώσεων.

 Πρωτείνη (Μυογλοβίνη)

Τα μικρότερα βιομόρια μπορούν να υποβληθούν σε επεξεργασία με μεθόδους όπως το DFT (συναρτησιακά πυκνότητας), αλλά τα μεγαλύτερα βιολογικά συστήματα συνήθως υφίστανται επεξεργασία με περισσότερη προσέγγιση με μοριακή μηχανική (μοριακά μηχανικά πεδία δύναμης). Για ακόμα μεγαλύτερα συστήματα, απαιτείται πιό χονδρόκοκκη προσέγγιση, που μετακινείται από την περιγραφή ατομικού επιπέδου στην εξέταση ολόκληρων ομάδων ατόμων ή μορίων και, σε ορισμένες περιπτώσεις, στη συνεχή επεξεργασία ορισμένων τμημάτων του συστήματος.

Μια παρόμοια ιεραρχία υπάρχει στην προσομοίωση σύνθετων υλικών. Τα στερεά και οι επιφάνειες μπορούμε να τα επεξεργαστούμε με μεθόδους DFT που εκμεταλλεύονται την περιοδικότητα. Η προσομοίωση των μεσεπιφανειών στερεών-υγρών απαιτεί συχνά την αναλυτική επεξεργασία των μορίων και ιόντων του διαλύτη, καθώς και την καταγραφή των επιπτώσεων του εφαρμοζόμενου δυναμικού και του συναφούς ηλεκτρικού πεδίου για τις ηλεκτροχημικές διεργασίες. Σε ορισμένες περιπτώσεις, η μικροκινητική μοντελοποίηση χρησιμοποιείται για να συμπεριλάβει αποτελέσματα όπως ροή και διάχυση σε συνδυασμό με τις σχετικές χημικές αντιδράσεις.

Βάθος έναντι εύρους

Στη συνέχεια, υπάρχουν οι συζητήσεις σχετικά με τους τύπους απαντήσεων που προσπαθούμε να λάβουμε. Οι μέθοδοι που περιγράφηκαν παραπάνω μπορούν να χρησιμοποιηθούν για να διασαφηνιστούν λεπτομερείς μηχανισμοί συγκεκριμένων αντιδράσεων, συμβάλλοντας τόσο στην ερμηνεία πειραματικών δεδομένων όσο και στην πραγματοποίηση επαληθεύσιμων προβλέψεων. Για παράδειγμα, μια πρόσφατη μελέτη προέβλεπε μια μετατόπιση ~ 300 mV στο δυναμικό οξειδοαναγωγής που σχετίζεται με μια αντίδραση μεταφοράς ηλεκτρονίων συζευγμένη με πρωτόνια σε βενζιμιδαζόλη-φαινόλη [παραπομπή 2] όταν το βενζιμιδαζόλιο είναι αμινο-υποκατεστημένο. Τα μόρια συντέθηκαν και τα πειράματα επικύρωσαν τις προβλέψεις. Αυτές οι  μελέτες πρόγνωσης αυξάνουν σταδιακά την εμπιστοσύνη της κοινότητας της χημείας στη θεωρία. Επιπλέον, αυτοί οι υπολογισμοί δημιουργούν αρχές σχεδιασμού για την ανάπτυξη μοριακών, βιολογικών ή υλικών συστημάτων με συγκεκριμένες ιδιότητες. [παραπομπή 3]

Μάθηση μηχανών από τη wikipedia

Μια εναλλακτική προσέγγιση είναι η παραγωγή και ανάλυση μεγάλων ποσοτήτων δεδομένων. Συνήθως αυτή η προσέγγιση είναι λιγότερο ενδιαφέρουσα για την κατανόηση των θεμελιωδών φυσικών αρχών, αλλά επικεντρώνεται στην παραγωγή πρακτικών αποτελεσμάτων. Για παράδειγμα, το εικονικό ξεσκαρτάρισμα μπορεί να χρησιμοποιηθεί σε συνδυασμό με καθορισμένους περιγραφείς για το σχεδιασμό συστημάτων με επιθυμητές ιδιότητες. Η μάθηση των μηχανών είναι ένα άλλο ισχυρό εργαλείο που μπορεί να χρησιμοποιηθεί για το σχεδιασμό συστημάτων με βάση την αναγνώριση μοτίβων. Και για τις δύο προσεγγίσεις, η επιτυχία εξαρτάται από την επιλογή των περιγραφέων και μια μηχανιστική ερμηνεία με πολλαπλούς περιγραφείς είναι προκλητική. Στον τομέα της βιολογίας, η βιοπληροφορική έχει χρησιμοποιηθεί για τον σχεδιασμό πρωτεϊνών χρησιμοποιώντας πληροφορίες που περιέχονται στη βάση δεδομένων πρωτεϊνών.

Ένας υπολογιστικός χημικός πρέπει να ισορροπήσει όλες αυτές τις σκέψεις: τις ερωτήσεις που τίθενται, το επίπεδο ακρίβειας, το μέγεθος του συστήματος και τους διαθέσιμους υπολογιστικούς πόρους.

 128-qubit superconducting adiabatic quantum optimization
processor

Καθώς διατίθεται περισσότερη υπολογιστική ισχύς, μπορούμε να στοχεύουμε μεγαλύτερα συστήματα με μεγαλύτερη ακρίβεια. Αυτός ο κινούμενος στόχος σημαίνει ότι δεν είμαστε ποτέ πλήρως ικανοποιημένοι - θα επεκτείνουμε πάντα τους στόχους μας για να αξιοποιήσουμε τα όρια της διαθέσιμης ισχύος των υπολογιστών. Καθώς το πεδίο εξελίσσεται, οι φιλόδοξες εφαρμογές θα εμπνεύσουν καινοτόμες μεθοδολογικές εξελίξεις, οι οποίες με τη σειρά τους θα επιτρέψουν εφαρμογές που ωθούν τα όρια προς τα πάνω.

Ο Sharon Hammes-Schiffer είναι καθηγητής χημείας στο Πανεπιστήμιο του Illinois, Urbana-Champaign στις ΗΠΑ

Βιβλιογραφία:

1 T M Earnest et al., Biopolymers, 2016 105, 735 (DOI: 10.1002/bip.22892)

2 M T Huynh et al., ACS Cent. Sci., 2017, 3, 372 (DOI: 10.1021/acscentsci.7b00125)

3 S Hammes-Schiffer, Acc. Chem. Res., 2017, 50, 561 (DOI: 10.1021/acs.accounts.6b00555)

Πηγές:

Από το Άρθρο στο περιοδικό: ChemistryWorld Royal Society of Chemistry (RSC) με τίτλο: Virtual chemistry υπό: SHARON HAMMES-SCHIFFER στις: 26 Ιουλίου 2017.

Εικόνες:
Οι υπολογιστές έχουν γίνει κεντρικό εργαλείο για τη Χημεία Credit: Via RSC, SOURCE: © DIGITALVISION VECTORS / GETTY IMAGES
Πρωτείνη (Μυογλοβίνη) Credit: By AzaToth - self made based on PDB entry, Public Domain, https://commons.wikimedia.org/w/index.php?curid=68596
Μάθηση μηχανών Credit: By Alisneaky, svg version by User:Zirguezi - Own work, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=47868867

Άποψη για τη ΧΗΜΕΊΑ