logo CEP

 

Dépistage de niveau suivant : Prédire les propriétés des matériaux.

traduction de cet article:  par Maugou relecture: ElGrande

 

14 octobre 2015

Récapitulatif


Un nouveau document de l'équipe du projet Clean Energy ( Energie Propre ) révèle qu'ils peuvent maintenant utiliser des réseaux de neurones artificiels multicouches pour prédire les propriétés électriques de nouvelles molécules sans simuler réellement la molécule entière. Cette avancée a été rendue possible par un très grande nombre de simulations effectuées pour le CEP, et promet de permettre le dépistage de beaucoup plus de molécules que l'équipe était en mesure d'évaluer dans leur travail précédent.


Titre de la communication:
"Apprendre du projet Clean Energy Project de Harvard: L'utilisation des réseaux de neurones pour accélérer la découverte de matériaux"

Publié dans la revue:
Advanced Functional Materials

Auteurs:
Edward O. Pyzer-Knapp, Kewei Li et Alan Aspuru-Guzik

Résumé profane:

Dans cet article, Edward, du projet CEP de Harvard, montre comment les techniques du domaine de l'apprentissage machine peuvent être utilisées pour accélérer le contrôle des matériaux. En utilisant une classe spéciale de réseaux de neurones, appelés perceptrons multicouches, il est capable de prédire les propriétés d'une molécule à un haut degré de précision avant que des calculs soient effectués. Ils montrent comment, en utilisant cette méthode, on peut éliminer près de 99% du criblage d'une banque, ou de molécules, sans avoir à le calculer. En éliminant les molécules peu susceptibles d'être utiles, ils ont beaucoup augmenté la gamme de molécules qui peuvent être considérées par le projet CEP.

Résumé technique:

Ici, l'emploi des perceptrons multicouches, un type de réseau de neurones artificiels, est proposé dans le cadre d'une méthode de l'entonnoir pour la conception de matériaux organiques à haut débit. Grâce à l'utilisation d'algorithmes de pointe et à une grande quantité de données extraites du projet CEP de Harvard, il est démontré que ces méthodes permettent de réduire considérablement la fraction du criblage de la banque qui est effectivement calculée. Les réseaux de neurones peuvent reproduire les résultats des calculs de chimie quantique avec un grand niveau de précision. L'approche proposée permet de réaliser des projets de criblage moléculaire à grande échelle nécessitant moins de temps de calcul. En retour, cela permet l'exploration de banques de plus en plus importantes et diversifiées.

Accès au document:

Pour consulter le document, s'il vous plaît cliquez ici.