Molecular Crystal Structure Prediction from Conditional Flow on the Unit Cells

Stel je een wereld voor waarin de kleinste bouwstenen van materie, moleculen, besluiten om zichzelf te rangschikken in vaste kristallen. Dit is geen willekeurige daad; de manier waarop ze samengepakt worden, bepaalt of een medicijn snel oplost in het lichaam, of een plastic sterk genoeg is om gewicht te dragen, of hoe een materiaal elektriciteit geleidt. Vaak kan dezelfde molecuul op verschillende manieren stapelen, wat verschillende vormen creëert die polymorfen worden genoemd, elk met zijn eigen unieke eigenschappen. Het voorspellen welke van deze arrangementen een molecuul zal kiezen, is een monumentale uitdaging voor wetenschappers. Het is alsof je probeert te raden hoe een specifieke set meubels in een kamer past zonder de kamer te zien, wetende alleen dat de meubels aan strikte regels van symmetrie moeten voldoen en dat de kamer een bepaalde grootte moet hebben. Decennialang hebben onderzoekers geprobeerd dit op te lossen door miljoenen willekeurige gissingen te genereren en te controleren welke stabiel zijn, een proces dat traag, duur en vaak inefficiënt is omdat het blind door een uitgestrekt landschap van mogelijkheden zoekt.

Een team van onderzoekers aan de University of North Carolina at Charlotte heeft een nieuwe aanpak ontwikkeld die verandert hoe deze zoektocht wordt uitgevoerd. In plaats van blind pijlen op een bord te gooien, leert hun methode, genaamd CellNet, de meest waarschijnlijke kamergroottes en -vormen voor een bepaald molecuul voor te stellen voordat er ooit geprobeerd wordt om de meubels erin te passen. De wetenschappers trainden een computermodel op honderdduizenden bekende kristalstructuren om de relatie te begrijpen tussen de vorm van een molecuul en de container die het verkiest. Het model probeert niet het hele puzzelstuk in één keer op te lossen. In plaats daarvan verdeelt het het probleem in twee stappen. Eerst voorspelt het de afmetingen en hoeken van de lege doos, of eenheidscel, die het molecuul waarschijnlijk zal bezetten, gebaseerd op de chemische structuur van het molecuul en de symmetrieregels waaraan het moet voldoen. Ten tweede gebruikt het een zeer efficiënt zoekproces om precies uit te zoeken hoe de moleculen binnen die specifieke doos passen.

De onderzoekers testten dit systeem op 84 verschillende organische moleculen, elk met een eenvoudige rangschikking waarbij slechts één molecuul in de herhalende eenheid van het kristal zit. Het doel was om te zien of de computer een doos kon voorstellen die, wanneer gevuld, overeenkomt met de kristalstructuur uit de echte wereld die in de natuur wordt gevonden. De resultaten waren opmerkelijk. Het systeem identificeerde succesvol de juiste kristalstructuur voor 83 van de 84 moleculen, een succespercentage van bijna 99 procent. In de overgrote meerderheid van de gevallen stelde de computer een doos voor die zo dicht bij de echte kwam, dat standaard fysica-simulaties de atomen gemakkelijk in hun juiste posities konden brengen. Voor de weinige gevallen waar de initiële zoektocht de plank missloeg, vonden de onderzoekers dat het probleem niet de voorgestelde doos zelf was, maar de manier waarop de computer de krachten simuleerde die de atomen bij elkaar houden. Door de doos op zijn plaats te fixeren en alleen de atomen te laten bewegen, herstelde het systeem de juiste structuur voor drie van de vier resterende mislukkingen. Dit suggereert dat het model uitzonderlijk goed is in het raden van de juiste container, maar dat de laatste stap van het controleren van de stabiliteit sterk afhangt van de nauwkeurigheid van de physics engine die wordt gebruikt om de structuur te relaxeren.

De kracht van deze methode ligt in het vermogen om het moeilijke probleem van het raden van de container te scheiden van het moeilijke probleem van het verpakken van de inhoud. Traditionele methoden worstelen vaak omdat ze zowel de doosgrootte als de verpakking gelijktijdig proberen te optimaliseren, wat leidt tot een zoektocht die kan verdwalen in een zee van onwaarschijnlijke mogelijkheden. Door te leren van bestaande gegevens, vernauwt het nieuwe model de zoektocht tot een kleine, zeer waarschijnlijke set doosafmetingen. Dit stelt de daaropvolgende verpakkingszoektocht in staat om haar energie te richten op het vinden van de beste arrangement binnen een realistische ruimte, in plaats van tijd te verspillen aan dozen die fysiek onmogelijk zijn voor dat molecuul. De onderzoekers merkten op dat het systeem voor sommige moleculen zo effectief was dat het de juiste structuur vond in tientallen verschillende voorgestelde dozen, terwijl het voor andere de oplossing in slechts één of twee vond. Deze variatie benadrukt dat, hoewel het model over het algemeen robuust is, sommige moleculen simpelweg moeilijker te voorspellen zijn dan andere, vaak vanwege de subtiele manieren waarop ze met hun buren interageren.

Een van de belangrijkste bevindingen was dat het succes van het model niet te danken was aan het uit het hoofd leren van specifieke antwoorden, maar aan het leren van de onderliggende geometrische regels van kristalvorming. Het systeem gebruikt een wiskundige representatie van de doos die consistent blijft, ongeacht hoe de doos gedraaid of bekeken wordt, wat ervoor zorgt dat het de ware vorm leert in plaats van een specifieke oriëntatie. Toen de onderzoekers de voorspellingen van de computer vergeleken met de werkelijke experimentele gegevens, stelden zij vast dat het model de juiste roosterdimensies met hoge precisie kon reproduceren. De weinige fouten die optraden, werden herleid tot beperkingen in de force-field software die werd gebruikt om de interacties tussen atomen te simuleren, en niet tot een falen van het voorspellingsmodel zelf. In één instantie bleef een molecuul genaamd QAXMEH53 zelfs na alle aanpassingen ongematcht, wat suggereert dat er nog steeds complexe gevallen zijn waarbij huidige fysica-modellen moeite hebben om de exacte experimentele structuur te behouden, zelfs wanneer de juiste doos wordt geleverd.

Dit werk vormt een belangrijke stap naar het maken van kristalstructuurvoorspelling een routinetool in plaats van een gespecialiseerde, hoge kostenpost. Door een geleerde generator voor de container te combineren met een rigoureuze zoektocht naar de inhoud, hebben de onderzoekers een pijplijn gecreëerd die zowel snel als zeer accuraat is voor een breed scala aan organische materialen. De methode lost het probleem nog niet op om te voorspellen welke symmetrie een molecuul zal kiezen zonder voorkennis, noch rangschikt het volledig de stabiliteit van verschillende vormen, maar het biedt een krachtige manier om de meest veelbelovende kandidaten voor verder onderzoek te genereren. Het vermogen om de juiste eenheidscel met een dergelig betrouwbaarheidsniveau te voorspellen, betekent dat wetenschappers nu hun computationele middelen kunnen richten op het verfijnen van de details van moleculaire verpakking, in plaats van te zoeken naar de doos zelf. Terwijl de onderzoekers naar de toekomst kijken, willen ze deze aanpak uitbreiden om complexere symmetrieën en grotere moleculen aan te kunnen, met als doel uiteindelijk een volledig blind voorspellingssysteem dat geen voorafgaande informatie over de kristalsymmetrie vereist. Voor nu demonstreert het succes op deze 84 systemen dat leren van het verleden effectief kan leiden tot de ontdekking van de toekomst, door een ontmoedigende zoektocht te veranderen in een beheersbaar en zeer succesvol proces.