Memprediksi Pembentukan NADES Menggunakan Model Berbasis Transformer

Bagaimana jika kita bisa memprediksi pelarut hijau baru seperti kita memprediksi kata berikutnya dalam sebuah kalimat? Model AI berbasis transformer melakukan hal itu untuk Natural Deep Eutectic Solvents (NADES), membuka harta karun 337 campuran baru.

Natural Deep Eutectic Solvents, atau NADES, adalah bintang baru dalam kimia hijau—alternatif yang menjanjikan untuk pelarut organik tradisional di bidang farmasi, pertanian, dan makanan. Namun, menemukan yang baru masih lambat dan empiris, seringkali hanya memodifikasi resep yang sudah ada. Masuklah jaringan saraf berbasis transformer, arsitektur yang sama di balik AI bahasa, kini dilatih untuk membaca struktur kimia seolah-olah itu kalimat.

Model ini pertama kali dilatih pada data kimia tak berlabel dalam jumlah besar menggunakan notasi SMILES, kemudian disempurnakan untuk mengklasifikasikan apakah campuran membentuk NADES yang stabil atau tidak. Adaptasi cerdas dari pembelajaran bahasa ini berarti hanya membutuhkan dataset kecil dan daya komputasi yang moderat. Hasilnya? Algoritma ini memprediksi 337 campuran eutektik stabil baru dari database senyawa alami.

Yang lebih mengesankan, sistem ini dapat menyarankan komponen dan rasio molar yang tepat untuk membuat NADES dengan molekul yang sepenuhnya baru—bukan hanya yang ada dalam data pelatihan. Ini divalidasi menggunakan NADES yang sudah diketahui dan dengan mengembangkan pelarut baru yang mengandung ibuprofen. Potensinya transformatif: alih-alih memperlakukan senyawa bioaktif sebagai sekadar zat terlarut, mereka bisa menjadi bagian fungsional dari formulasi cair, mempercepat pengembangan obat dan kimia hijau.

Poin Kunci

• AI transformer memprediksi 337 NADES baru dari senyawa alami.
• Dilatih awal pada SMILES, disempurnakan untuk klasifikasi biner.
• Memprediksi komponen dan rasio molar untuk NADES baru, tervalidasi dengan ibuprofen.