Napakalaking kagamitan ang nagpaunlad ng malaking kimika noong 2022. Ang mga naglalakihang set ng datos at malalaking instrumento ay nakatulong sa mga siyentipiko na harapin ang kimika sa napakalaking saklaw ngayong taon.

Pinaunlad ng mga napakalaking kagamitan ang malaking kimika noong 2022

Ang mga naglalakihang set ng datos at malalaking instrumento ay nakatulong sa mga siyentipiko na harapin ang kimika sa napakalaking saklaw ngayong taon

niAriana Remmel

Kredito: Pasilidad ng Pag-compute ng Pamumuno ng Oak Ridge sa ORNL

Ang Frontier supercomputer sa Oak Ridge National Laboratory ang una sa isang bagong henerasyon ng mga makina na tutulong sa mga chemist na harapin ang mga molecular simulation na mas kumplikado kaysa dati.

Nakagawa ng malalaking tuklas ang mga siyentipiko gamit ang mga napakalaking kagamitan noong 2022. Batay sa kamakailang trend ng artipisyal na katalinuhan na may kakayahang kemikal, nakagawa ng malalaking hakbang ang mga mananaliksik, na nagtuturo sa mga computer na hulaan ang mga istruktura ng protina sa isang walang kapantay na saklaw. Noong Hulyo, naglathala ang kumpanyang pag-aari ng Alphabet na DeepMind ng isang database na naglalaman ng mga istruktura nghalos lahat ng kilalang protina—mahigit 200 milyong indibidwal na protina mula sa mahigit 100 milyong uri—ayon sa hinulaang ng machine learning algorithm na AlphaFold. Pagkatapos, noong Nobyembre, ipinakita ng kompanya ng teknolohiyang Meta ang pag-unlad nito sa teknolohiya ng prediksyon ng protina gamit ang isang AI algorithm na tinatawag naESMFoldSa isang pag-aaral bago ang pag-print na hindi pa nasusuri ng mga kapwa mananaliksik, iniulat ng mga mananaliksik ng Meta na ang kanilang bagong algorithm ay hindi kasingtumpak ng AlphaFold ngunit mas mabilis. Ang mas mabilis na bilis ay nangangahulugan na maaaring mahulaan ng mga mananaliksik ang 600 milyong istruktura sa loob lamang ng 2 linggo (bioRxiv 2022, DOI:10.1101/2022.07.20.500902).

Ang mga biologist sa University of Washington (UW) School of Medicine ay tumutulongpalawakin ang mga kakayahan ng biokemikal ng mga kompyuter nang higit pa sa template ng kalikasansa pamamagitan ng pagtuturo sa mga makina na magmungkahi ng mga pasadyang protina mula sa simula. Si David Baker ng UW at ang kanyang koponan ay lumikha ng isang bagong tool sa AI na maaaring magdisenyo ng mga protina sa pamamagitan ng paulit-ulit na pagpapabuti sa mga simpleng prompt o sa pamamagitan ng pagpuno sa mga puwang sa pagitan ng mga piling bahagi ng isang umiiral na istraktura (Agham2022, DOI:10.1126/science.abn2100). Inilunsad din ng pangkat ang isang bagong programa, ang ProteinMPNN, na maaaring magsimula sa dinisenyong mga 3D na hugis at mga pagtitipon ng maraming subunit ng protina at pagkatapos ay matukoy ang mga sequence ng amino acid na kinakailangan upang mabuo ang mga ito nang mahusay (Agham2022, DOI:10.1126/agham.add2187;10.1126/agham.add1964Ang mga algorithm na ito na mahusay sa biokemikalidad ay maaaring makatulong sa mga siyentipiko sa pagbuo ng mga blueprint para sa mga artipisyal na protina na maaaring magamit sa mga bagong biomaterial at mga parmasyutiko.

Kredito: Ian C. Haydon/UW Institute for Protein Design

Ang mga algorithm ng machine learning ay tumutulong sa mga siyentipiko na mag-isip ng mga bagong protina na may mga partikular na tungkulin sa isip.

Habang lumalaki ang ambisyon ng mga computational chemist, lumalaki rin ang mga kompyuter na ginagamit upang gayahin ang mundo ng molekula. Sa Oak Ridge National Laboratory (ORNL), unang nasilayan ng mga chemist ang isa sa pinakamalakas na supercomputer na nagawa kailanman.Ang exascale supercomputer ng ORNL, ang Frontier, ay kabilang sa mga unang makinang nakakalkula ng mahigit 1 quintillion na lumulutang na operasyon kada segundo, isang yunit ng computational arithmetic. Ang bilis ng computing na iyon ay halos tatlong beses na mas mabilis kaysa sa kasalukuyang kampeon, ang supercomputer na Fugaku sa Japan. Sa susunod na taon, dalawa pang pambansang laboratoryo ang nagpaplanong maglunsad ng mga exascale computer sa US. Ang napakalaking kapangyarihan ng computer ng mga makabagong makinang ito ay magbibigay-daan sa mga chemist na gayahin ang mas malalaking sistemang molekular at sa mas mahabang panahon. Ang datos na nakalap mula sa mga modelong iyon ay maaaring makatulong sa mga mananaliksik na itulak ang mga hangganan ng kung ano ang posible sa kimika sa pamamagitan ng pagpapaliit ng agwat sa pagitan ng mga reaksyon sa isang prasko at ng mga virtual na simulation na ginamit upang imodelo ang mga ito. "Nasa punto tayo kung saan maaari na tayong magsimulang magtanong tungkol sa kung ano ang nawawala sa ating mga teoretikal na pamamaraan o modelo na maglalapit sa atin sa kung ano ang sinasabi sa atin ng isang eksperimento na totoo," sinabi ni Theresa Windus, isang computational chemist sa Iowa State University at pinuno ng proyekto sa Exascale Computing Project, sa C&EN noong Setyembre. Ang mga simulasyong pinapatakbo sa mga exascale computer ay maaaring makatulong sa mga chemist na mag-imbento ng mga nobelang mapagkukunan ng gasolina at magdisenyo ng mga bagong materyales na matibay sa klima.

Sa buong bansa, sa Menlo Park, California, ini-install ng SLAC National Accelerator Laboratorymga supercool na upgrade sa Linac Coherent Light Source (LCLS)na maaaring magpahintulot sa mga chemist na mas sumilip sa napakabilis na mundo ng mga atomo at electron. Ang pasilidad ay itinayo sa isang 3 km linear accelerator, na ang mga bahagi ay pinapalamig ng liquid helium hanggang sa 2 K, upang makagawa ng isang uri ng napakabilis at napakabilis na pinagmumulan ng liwanag na tinatawag na X-ray free-electron laser (XFEL). Ginamit ng mga chemist ang malalakas na pulso ng mga instrumento upang gumawa ng mga molecular movie na nagbigay-daan sa kanila upang mapanood ang napakaraming proseso, tulad ng pagbuo ng mga chemical bond at paggana ng mga photosynthetic enzyme. "Sa isang femtosecond flash, makikita mo ang mga atomo na nakatayo, ang mga single atomic bond ay nababasag," sinabi ni Leora Dresselhaus-Marais, isang materials scientist na may magkasanib na appointment sa Stanford University at SLAC, sa C&EN noong Hulyo. Ang mga pag-upgrade sa LCLS ay magbibigay-daan din sa mga siyentipiko na mas mahusay na ibagay ang mga enerhiya ng X-ray kapag ang mga bagong kakayahan ay naging available sa unang bahagi ng susunod na taon.

Kredito: SLAC National Accelerator Laboratory

Ang X-ray laser ng SLAC National Accelerator Laboratory ay itinayo sa isang 3 km linear accelerator sa Menlo Park, California.

Ngayong taon, nakita rin ng mga siyentipiko kung gaano kalakas ang maaaring maging kalakasan ng pinakahihintay na James Webb Space Telescope (JWST) para sa pagbubunyag ngkemikal na kasalimuotan ng ating unibersoAng NASA at ang mga kasosyo nito—ang European Space Agency, ang Canadian Space Agency, at ang Space Telescope Science Institute—ay nakapaglabas na ng dose-dosenang mga larawan, mula sa nakasisilaw na mga larawan ng mga stellar nebulae hanggang sa mga elemental na fingerprint ng mga sinaunang galaksiya. Ang $10 bilyong infrared telescope ay nilagyan ng mga suite ng mga instrumentong pang-agham na idinisenyo upang galugarin ang malalim na kasaysayan ng ating uniberso. Sa loob ng ilang dekada ng paggawa, nalampasan na ng JWST ang mga inaasahan ng mga inhinyero nito sa pamamagitan ng pagkuha ng isang imahe ng isang umiikot na galaksiya kung paano ito lumitaw 4.6 bilyong taon na ang nakalilipas, kumpleto sa mga spectroscopic na lagda ng oxygen, neon, at iba pang mga atomo. Sinukat din ng mga siyentipiko ang mga lagda ng mausok na ulap at manipis na ulap sa isang exoplanet, na nagbibigay ng datos na maaaring makatulong sa mga astrobiologist na maghanap ng mga potensyal na matitirhang mundo sa kabila ng Daigdig.