UFL 및 UNC 성공 사례

AI 퀀텀 돌파구

 

프로리다 대학과 노스 캐롤라이나 대학은 ANAKIN-ME 신경망 엔진을 개발하여 매우 저렴한 비용으로 높은 정확도로 계산 속도로 빠른 양자 역학 시뮬레이션을 생성합니다.

 

양자 화학(QC) 가속화 약물 발견

제약 산업에서 약물 발견은 길고 비용이 많이 드는 과정입니다. 평균 12년 26억 달러가 소요됩니다.

 

시장에 화학, 약물 발견 프로세스를 가속화하는 한 가지 핵심은 분자 역학(MD)을 보다 정확하게 시뮬레이션하는 능력입니다. 수백만 개의 잠재적인 약물 조합을 신속하게 선별하여 연구자들이 가장 유망한 옵션에 에너지를 집중할 수 있습니다.

 

모든 약물 발견은 잠재적인 효능을 이해하기 위해 분자 시뮬레이션이 필요합니다. 분자 에너지, 수백만 개의 분자가 서로 상호 작용하는 방식을 결정하기 위해 스캔되는 곳에서 이러한 이해를 돕습니다.

 

그러나 정확한 MD 시뮬레이션을 위해서는 정확한 양자 역학(QM) 시뮬레이션도 필요합니다. QM 시뮬레이션은 수백만 개의 잠재적인 약물을 정확하게 스크리닝하는 과정에 필수적입니다.

 

불행히도 QM 시뮬레이션은 계산 비용이 너무 많이 들기 때문에 연구자들은 정확도가 떨어지는 도구를 사용해야 합니다. 결과적으로 덜 효과적인 약물 후보가 됩니다. 시스템 크기의 입방체 전력(O(N3))으로 DFT 스케일을 사용하여 정확한 분자 에너지 계산. 따라서 정확한 계산은 상대적으로 작은 것으로 제한됩니다.

 

MD 시뮬레이션을 위한 시스템 및 짧은 시간 척도, 여기에 더해 QM으로 1천마 개의 약물 후보를 스크리닝 시뮬레이션을 계산하는데 최대 5년이 걸릴 수 있습니다. 이 느리고 값비싼 과정 때문에 플로리다 대학(UFL)과 노스캘롤라이나 대학(UNC)의 연구원들이 모여 QM 시뮬레이션의 정확성과 동시에 프로세스를 수년에서 단 몇 분으로 단축합니다.

 

UFL UNC

QC 시뮬레이션을 위한 딥러닝

QM 시뮬레이션 시간과 비용의 문제를 해결하기 위해 UF 화학과 Adrian Roitberg 박사와 UNC Eshelman School of Pharmacy 박사 Olexandr Isayev의 감독하에 일하는 UF 화학 대학원 생 Justin S. Smith가 개발했습니다.

 

ANAKIN-ME(분자 에너지를 위한 정확한 NeurAI 네트워크 엔진) 또는 줄여서 ANI라고 하는 새로운 시뮬레이션 절차 및 방법. ANI는 QM 에너지 함수를 학습하여 계산적으로 빠르고 매우 정확한 분자 에너지 표면, 기하학 및 힘을 생성하는 심층 신경망입니다.

 

오늘날 계산된 분자 구조의 총 수는 2천만 개 이상입니다. ANI는 NVIDIA GPU와 함께 딥 러닝을 사 용하여 계산 비용이 100배 더 비싼 방법만큼 정확한 분자의 분자 에너지 표면을 예측합니다. ANI는 또 한 C, H, N, O, S, F 원자가 있는 모든 유기 분자로 이동할 수 있습니다. 이 분자는 화학/의학, 화학/약물 발견 공간의 상당 부분을 다루고 있으며 더 많은 요소가 진행 중입니다. 또한 ANI는 결합을 끊고 화학 반응 을 기술하여 현대의 가장 큰 한계 중 하나를 극복합니다.

 

포스 필드.

 

기본적으로 ANI는 Schrodinger 방정식의 Hamiltonian을 학습하도록 훈련되었으며 결과는 거의 즉각적입니다. ANI의 정확도는 화학적 정확도 내에 있는 참조 DFT 데이터에서 약 ~1kcal/ mole입니다.

 

ANI는 또한 1,000,000배의 속도에서 동등한 화학적 정확도를 제공하여 QC 시뮬레이 션을 위한 첫 번째 원칙 모델을 재현할 수 있습니다.마지막으로, ANI는 CPU에서 240일 동안 NVIDIA GPU를 사용하여 단 8분 만에 천만 개의 약물 후보를 스크리닝할 수 있습니다.

 

시장 출시 시간 단출

ANI는 약물 발견 및 재료 과학을 위한 완전히 새로운 세상을 엽니다.ANI, 초대형 시스템 및 시 간 척도를 활용하면 딥 러닝 시뮬레이션을 통해 일상적으로 액세스할 수 있습니다. 더 중요한 것 은 이제 더 빠르고 정확한 신약 스크리닝이 가능하며 분자 합성 및 수많은 실험을 수행하는 비용을 없 애 비용을 크게 절감할 수 있다는 것입니다.

 

“분자 에너지에 대한 빠르고 정확한 설명은 약물 발견 및 재료 과학을 포함한 많은 분야에서 획기적 인 발전으로 이어질 수 있습니다. ANI는 컴퓨터 화학의 다음 혁명을 시작할 수 있습니다." 플로리다 대학의 화학 대학원생인 Justin S. Smith. ANI를 사용하면 발견 가능성이 무궁무진합니다.

 

ANI는 저렴한 방법이 실패하고 진 정한 MD가 필요하지만 비용이 많이 드는 곳에서 우세합니다. 더 높은 효율을 위해 태양 전지를 모델링하든 후기 약물 발견에서 다형체 문제라고 불리는 문제를 해결 하든 ANI는 물질 특성의 변화를 예측하고 분자 상호 작용에 대한 더 큰 이해를 제공하며 결국 제품을 시 장에 출시하는 데 도움이 됩니다.