Aprendizaje de refuerzo para mejorar el rendimiento de la reacción química
Video Experimental Relacionado
Updated: Jun 11, 2025

A Scalable Balz-Schiemann Reaction Protocol in a Continuous Flow Reactor
Published on: February 10, 2023
Ajnabiul Hoque1, Mihir Surve1, Shivaram Kalyanakrishnan2
1Department of Chemistry, Indian Institute of Technology Bombay, Powai, Mumbai 400076, India.
RE-EXPLORE, un nuevo enfoque de aprendizaje por refuerzo (RL), mejora el descubrimiento de reacciones químicas al generar reactivos y catalizadores únicos. Supera las limitaciones del RL estándar al incorporar un factor de singularidad para mejorar la exploración e identificar sustratos de alto rendimiento y catalizadores selectivos.
Área de la Ciencia:
- Química computacional
- Aprendizaje automático en química
- Descubrimiento y desarrollo de fármacos
Sus antecedentes:
- Los métodos de aprendizaje profundo (DL) no se utilizan en la predicción y generación de reacciones químicas.
- Las reacciones químicas son complejas, involucrando múltiples moléculas y cambios de enlace.
- Optimizar el rendimiento y la selectividad en el descubrimiento de reacciones es crucial pero desafiante.
Objetivo del estudio:
- Introducir RE-EXPLORE, un nuevo enfoque que integra el aprendizaje por refuerzo profundo (RL) con modelos generativos profundos para el descubrimiento de reacciones químicas.
- Abordar las limitaciones de los métodos RL estándar en la exploración del espacio químico para nuevos reactivos y catalizadores.
- Mejorar el descubrimiento de sustratos de alto rendimiento y catalizadores enantioselectivos.
Principales métodos:
- Se utilizó un modelo generativo profundo basado en una red neuronal recurrente (RNN) previamente entrenado en grandes bases de datos químicas (ChEMBL, ZINC, COCONUT).
- Se integró el modelo generativo con el aprendizaje por refuerzo profundo (RL) y un regresor preentrenado para la estimación del rendimiento/selectividad.
- Diseñó una función de recompensa que incorpora un factor de singularidad basado en Tanimoto para promover la exploración y evitar la generación repetitiva de moléculas.
- Incorpora fragmentos de núcleo definidos por el usuario para guiar el aprendizaje de tipos de reacción específicos.
Principales resultados:
- RE-EXPLORE navegó con éxito por el espacio de reacción química, identificando regiones prácticamente significativas.
- El enfoque demostró mejoras notables en tres tipos distintos de reacción.
- Se han identificado sustratos de alto rendimiento y catalizadores quirales altamente enantioselectivos.
- La función de recompensa diseñada mejoró la exploración y condujo a mayores rendimientos en comparación con el RL estándar.
Conclusiones:
- RE-EXPLORE ofrece un poderoso marco basado en RL para acelerar el descubrimiento de reacciones químicas.
- El método ayuda a planificar la síntesis de compuestos importantes, incluidos los productos farmacéuticos.
- Este enfoque tiene el potencial de avanzar significativamente en el campo de la química computacional y el desarrollo de fármacos.
Videos de Conceptos Relacionados
Predicting Reaction Outcomes
Chemical Reactions
Chemical Reactions Rearrange Atoms into New Substances
A chemical reaction takes starting materials—the reactants—and changes them...
Introduction to Chemical Reactions
Factors Influencing the Rate of Chemical Reactions
Concentration and Pressure:
The more particles present within a given space, the more likely those particles are to bump into one another....
Reaction Quotient
Multi-Step Reactions

