Väitös tietotekniikan alalta, M.Sc. Maryam Astero

Väitöskirjan nimi: Deep Learning for Chemical Reactions

Väittelijä: Maryam Astero
Vastaväittäjä: professori Giorgio Valentini, University of Milan, Italia
Kustos: professori Juho Rousu, Aalto-yliopiston perustieteiden korkeakoulu 

Kemialliset reaktiot ovat keskeisiä molekyylisuunnittelussa, materiaalikehityksessä ja lääkeaineiden löytämisessä. Ymmärrys siitä, miten atomit järjestyvät uudelleen ja miten kemialliset sidokset muuttuvat reaktioiden aikana, on olennaista. Silti olemassa olevat laskennalliset mallit eivät usein kykene yleistämään yksinkertaisia tai hyvin tutkittuja reaktioita laajemmalle.

Tämä väitöskirja tutkii, kuinka syväoppimista voidaan hyödyntää kemiallisten reaktioiden tarkempaan ja tulkittavampaan mallintamiseen esittämällä molekyylit graafeina, joissa atomit toimivat solmuina ja sidokset kaarina. Tällainen esitys mahdollistaa sen, että neuroverkot voivat oppia, miten molekyylirakenteet muuttuvat reaktioiden aikana.

Tutkimuksessa kehitetään graafipohjaisia oppimismalleja, jotka yhdistävät kemiallisen tietämyksen ja dataohjautuvan esitysten oppimisen. Nämä mallit pystyvät tunnistamaan, mitkä molekyylin alueet ovat reaktiivisimpia, ja kuvaamaan, miten atomien uudelleenjärjestäytyminen tapahtuu kemiallisten muunnosten aikana. Oppimalla suoraan laajoista reaktiodatoista mallit voivat myös ryhmitellä reaktiot laajempiin kategorioihin ja paljastaa yleisiä periaatteita, jotka ohjaavat molekyylien reaktiivisuutta.

Kaiken kaikkiaan väitöskirja osoittaa, kuinka syväoppimismenetelmiä voidaan hyödyntää molekyylimuutosten mallintamiseen tulkittavalla ja tieteellisesti perustellulla tavalla. Tulokset edistävät laskennallisen kemian kasvavaa tutkimusalaa ja tukevat kehitystä kohti tarkempia ja älykkäämpiä menetelmiä reaktioiden ennustamiseen, synteesinsuunnitteluun ja molekyylilöydösten tekemiseen.

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä): Aaltodoc 

Yhteystiedot: maryam.astero@aalto.fi