DOI: https://doi.org/10.1038/s42004-026-01894-y
PMID: https://pubmed.ncbi.nlm.nih.gov/41565994
تاريخ النشر: 2026-01-21
المؤلف: Jiayi Xu وآخرون
الموضوع الرئيسي: تعلم الآلة في علوم المواد
نظرة عامة
تقدم هذه البحث PhotoCat، وهي منصة تعلم عميق تستخدم بنية Transformer لتعزيز أبحاث التفاعل الضوئي من خلال الذكاء الاصطناعي. الحجر الأساس لهذه المبادرة هو PhotoCatDB، أول قاعدة بيانات مفتوحة المصدر متخصصة في التفاعلات الضوئية، تتكون من 26,700 إدخال منسق مع تصنيفات آلية مفصلة. من خلال الاستفادة من هذه المجموعة الكبيرة من البيانات، طور المؤلفون ثلاثة وحدات قائمة على Transformer: PhotoCat-RXN لتوقع التفاعل، محققة دقة تبلغ 82.3٪؛ PhotoCat-Retro للتخليق العكسي، بدقة 69.4٪؛ وPhotoCat-Cond لتوصية ظروف التفاعل، التي حققت دقة مثيرة للإعجاب تبلغ 88.5٪.
أدى التحقق التجريبي من المنصة إلى اكتشاف أربعة تفاعلات ضوئية جديدة، محققة عوائد تصل إلى 75.3٪، وأكدت أن هذه التفاعلات تتم عبر آلية جذرية مستحثة بالضوء. من الجدير بالذكر أن الدراسة تسلط الضوء على أن تصنيف وتبسيط ظروف التفاعل يعزز بشكل كبير من دقة التنبؤ لنماذج التعلم العميق، مما يعالج تحديًا شائعًا في توقع التفاعلات الكيميائية. بالإضافة إلى ذلك، قدم تحليل وزن الانتباه رؤى حول تأثير ظروف التفاعل على أداء النموذج، مما يحسن من قابلية الفهم. بشكل عام، يمثل PhotoCat تقدمًا كبيرًا في التحفيز الضوئي المدفوع بالبيانات، مما يعزز الكيمياء المستدامة ويقدم إرشادات لبناء قواعد بيانات علمية مستقبلية.
مقدمة
تسلط المقدمة الضوء على الأهمية المتزايدة للتفاعلات الضوئية، التي تستخدم الضوء المرئي أو الطاقة الشمسية للتخليق الكيميائي المستدام. لقد دفعت التطورات الأخيرة في تحسين المحفزات الضوئية وفهم آلية التفاعل التحفيز الضوئي إلى الأمام، خاصة في مجالات مثل التفاعلات الجذرية، والتحولات الحمراء، وعمليات الربط المتقاطع. على الرغم من هذه التطورات، لا تزال التنفيذ العملي يمثل تحديًا، وغالبًا ما يتطلب بحثًا مكثفًا لتحسين تفاعلات ضوئية جديدة.
تناقش هذه القسم أيضًا التأثير التحويلي للتعلم العميق في التخليق العضوي، بما في ذلك تطبيقاته في توقع التفاعل، وتخطيط التخليق العكسي، والاستنتاج الآلي. بينما كان التعلم العميق فعالًا في أنواع مختلفة من التفاعلات، هناك غياب ملحوظ للنماذج التي تستهدف التفاعلات الضوئية بشكل خاص، ويرجع ذلك أساسًا إلى محدودية توفر بيانات التفاعل الشاملة. لمعالجة هذه الفجوة، طور المؤلفون PhotoCatDB، وهي قاعدة بيانات قوية غنية بظروف التفاعل الأساسية والبيانات المسجلة تجريبيًا. باستخدام هذه القاعدة، أنشأوا PhotoCat، وهي منصة تعلم عميق قائمة على Transformer التي نجحت في تحديد والتحقق من أربعة تفاعلات ضوئية جديدة، مما يمثل تقدمًا كبيرًا في هذا المجال ويقدم أداة قيمة لتسريع اكتشاف عمليات التحفيز الضوئي الجديدة.
طرق
في قسم الطرق، يصف المؤلفون تطوير PhotoCatDB، وهي قاعدة بيانات شاملة تركز على التفاعلات الضوئية، تم بناؤها من مراجعة شاملة للأدبيات الحالية وخبرة المؤلفين. تشمل قاعدة البيانات حصريًا المنشورات التي تمت مراجعتها من قبل الأقران، مع جمع البيانات بواسطة فريق مكون من 15 باحثًا قاموا بتصنيف المعلومات إلى ثلاثة مجالات رئيسية: معادلات التفاعل (موحدة باستخدام SMILES عبر RDKit)، وظروف التفاعل، وتفاصيل إضافية. لتعزيز قابلية القراءة وتقليل التعقيد، تم تمثيل ظروف التفاعل بأسماء شائعة مرتبطة بمعرفات رمزية فريدة، مما يعالج عدم جدوى سلاسل SMILES الطويلة بسبب الهياكل المترافقة الكبيرة في المحفزات الضوئية.
يعترف المؤلفون بوجود قيد في النسخة الحالية من PhotoCatDB، وهو غياب تعليقات دقيقة على فئات التفاعل، مما يعيق التقييم المنهجي لأداء التنبؤ حسب نوع التفاعل. تهدف التحديثات المستقبلية إلى تضمين تسميات أكثر تفصيلاً لتسهيل مثل هذه التحليلات. بالإضافة إلى ذلك، يصفون إنشاء تصور شبيه بالشجرة باستخدام إطار عمل Faerun، إلى جانب توليد بصمات التفاعل من خلال أداة rxnfp، باستخدام معلمات افتراضية لفهرسة وبناء الرسوم البيانية. تم إجراء تعديلات لتحسين قابلية الفهم، وجميع المعلمات ومعلومات التجميع متاحة للجمهور لضمان الشفافية وإمكانية التكرار.
نتائج
يقدم قسم النتائج تفاصيل حول تطوير وميزات PhotoCatDB، وهي قاعدة بيانات شاملة للتفاعلات الضوئية، والتي تشمل حاليًا 26,700 تفاعل تم التحقق منه، مع تصنيف 9,200 منها كتفاعلات متعددة المكونات. من بين هذه، 6,708 تفاعلات ثلاثية المكونات و2,455 تفاعل رباعي المكونات. تم بذل جهد كبير لضمان التنوع وتقليل التكرار في قاعدة البيانات، كما يتضح من درجات تشابه Tanimoto لجزيئات المنتج، التي تقع في الغالب تحت 0.2، مما يشير إلى التركيز على تفاعلات فريدة. بالإضافة إلى ذلك، تحتوي مجموعة فرعية تسمى PhotoCatDB-Cond على 6,523 تفاعلًا تم وضع علامات عليها بظروف تفاعل مفصلة مصنفة إلى خمسة عناصر أساسية: المحفز الضوئي، القاعدة أو الحمض، الإضافات، المذيب، وطول الموجة.
لتصور مجموعة البيانات، تم استخدام خوارزمية تعلم غير مشرف قائمة على الشجرة، TMAP، مما كشف عن تجمعات من التفاعلات الكيميائية المتشابهة وأبرز التحولات الفريدة. تشير التحليلات إلى تأثير متعدد المتغيرات لظروف التفاعل، مما يبرز أهمية تضمين مكونات متعددة في قاعدة البيانات. علاوة على ذلك، تم تصميم PhotoCatDB لتعزيز الوصول من خلال استخدام أسماء شائعة للمحفزات الضوئية، مما يتناقض مع التسمية الأكثر تعقيدًا وفقًا لمبادئ IUPAC المستخدمة في قواعد بيانات أخرى مثل SciFinder. بينما تفتقر النسخة الحالية من PhotoCatDB إلى تعليقات دقيقة على فئات التفاعل، تهدف التحديثات المستقبلية إلى معالجة هذا القيد، مما يسهل التحليل المنهجي للأداء.
مناقشة
تناقش هذه القسم تطوير وأداء PhotoCat-RXN، وهو نموذج لتوقع التفاعل يستخدم بنية قائمة على Transformer. تم تدريبه مسبقًا على قاعدة بيانات USPTO، التي تحتوي على مليون تفاعل كيميائي، وتم تحسين النموذج لاحقًا باستخدام PhotoCatDB لتعزيز قدراته التنبؤية للتفاعلات الضوئية. تشير النتائج إلى أن PhotoCat-RXN يتفوق بشكل كبير على النماذج الأساسية المدربة فقط على USPTO أو PhotoCatDB، محققًا دقة من الدرجة الأولى تبلغ 70.68٪ مقارنة بـ 0.46٪ و0.69٪ للنماذج الأساسية المعنية. علاوة على ذلك، أدى دمج ظروف التفاعل أثناء التدريب إلى تحسين دقة النموذج من 78.2٪ إلى 82.3٪، مما يظهر أهمية المعلومات السياقية في تعزيز أداء التنبؤ.
بالإضافة إلى ذلك، تقدم هذه القسم PhotoCat-Retro، وهو وحدة تكملية مصممة للتخليق العكسي الضوئي، والتي تولد بنجاح مسارات تخليقية قابلة للتطبيق للجزيئات المستهدفة. تحسنت أداء النموذج بشكل كبير مع التعلم الانتقالي من قاعدة بيانات ZINC، محققة دقة من الدرجة الأولى تبلغ 69.43٪. تؤكد المناقشة على فعالية دمج ظروف التفاعل التفصيلية ومزايا استخدام أسماء شائعة للمواد المتفاعلة، مما يبسط تدريب النموذج ويعزز قابلية الفهم. بشكل عام، تسلط النتائج الضوء على إمكانيات PhotoCat في توجيه التصميم التجريبي وتحسين التفاعلات الضوئية من خلال المحاكاة الحاسوبية.
DOI: https://doi.org/10.1038/s42004-026-01894-y
PMID: https://pubmed.ncbi.nlm.nih.gov/41565994
Publication Date: 2026-01-21
Author(s): Jiayi Xu et al.
Primary Topic: Machine Learning in Materials Science
Overview
This research presents PhotoCat, a deep learning platform utilizing Transformer architecture to enhance photocatalytic reaction research through artificial intelligence. The cornerstone of this initiative is PhotoCatDB, the first specialized open-source database of photocatalytic reactions, comprising 26,700 curated entries with detailed mechanistic classifications. By leveraging this extensive dataset, the authors developed three Transformer-based modules: PhotoCat-RXN for reaction prediction, achieving an accuracy of 82.3%; PhotoCat-Retro for retrosynthesis, with an accuracy of 69.4%; and PhotoCat-Cond for recommending reaction conditions, which attained an impressive accuracy of 88.5%.
Experimental validation of the platform led to the discovery of four novel photocatalytic reactions, yielding up to 75.3%, and confirmed that these reactions proceed via a photo-induced radical mechanism. Notably, the study highlights that the classification and simplification of reaction conditions significantly enhance the predictive accuracy of deep learning models, addressing a common challenge in chemical reaction prediction. Additionally, attention weight analysis provided insights into the influence of reaction conditions on model performance, thereby improving interpretability. Overall, PhotoCat represents a significant advancement in data-driven photocatalysis, promoting sustainable chemistry and offering guidance for future scientific database construction.
Introduction
The introduction highlights the growing significance of photocatalytic reactions, which utilize visible light or solar energy for sustainable chemical synthesis. Recent advancements in photocatalyst optimization and reaction mechanism understanding have propelled photocatalysis forward, particularly in areas such as radical reactions, redox transformations, and cross-coupling processes. Despite these advancements, practical implementation remains challenging, often requiring extensive research to optimize new photocatalytic reactions.
The section also discusses the transformative impact of deep learning in organic synthesis, including its applications in reaction prediction, retrosynthesis planning, and mechanistic inference. While deep learning has been effective in various reaction types, there is a notable absence of models specifically targeting photocatalytic reactions, primarily due to the limited availability of comprehensive reaction data. To address this gap, the authors developed PhotoCatDB, a robust database enriched with essential reaction conditions and experimentally recorded data. Utilizing this database, they created PhotoCat, a Transformer-based deep learning platform that successfully identified and validated four novel photocatalytic reactions, representing a significant advancement in the field and offering a valuable tool for accelerating the discovery of new photocatalytic processes.
Methods
In the Methods section, the authors describe the development of the PhotoCatDB, a comprehensive database focused on photocatalytic reactions, built from a thorough review of existing literature and the authors’ expertise. The database exclusively includes peer-reviewed publications, with data collected by a team of 15 researchers who categorized the information into three main areas: reaction equations (standardized using SMILES via RDKit), reaction conditions, and additional details. To enhance readability and reduce complexity, reaction conditions are represented by common names linked to unique token IDs, addressing the impracticality of lengthy SMILES strings due to large conjugated structures in photocatalysts.
The authors acknowledge a limitation in the current version of PhotoCatDB, specifically the absence of fine-grained reaction class annotations, which hinders systematic evaluation of prediction performance by reaction type. Future updates aim to incorporate more detailed labels to facilitate such analyses. Additionally, they describe the creation of a tree-like visualization using the Faerun framework, along with the generation of reaction fingerprints through the rxnfp tool, employing default parameters for indexing and graph construction. Adjustments were made to improve interpretability, and all parameters and clustering information are made publicly available to ensure transparency and reproducibility.
Results
The results section details the development and features of PhotoCatDB, a comprehensive database of photocatalytic reactions, which currently includes 26,700 validated reactions, with 9,200 classified as multicomponent reactions. Among these, 6,708 are three-component and 2,455 are four-component reactions. A significant effort was made to ensure diversity and minimize redundancy in the database, evidenced by the Tanimoto similarity scores of product molecules, which predominantly fall below 0.2, indicating a focus on unique reactions. Additionally, a subset called PhotoCatDB-Cond contains 6,523 reactions annotated with detailed reaction conditions categorized into five essential elements: photocatalyst, base or acid, additives, solvent, and wavelength.
To visualize the dataset, a tree-based unsupervised learning algorithm, TMAP, was employed, revealing clusters of chemically similar reactions and highlighting unique transformations. The analysis indicates a multivariate effect of reaction conditions, emphasizing the importance of including multiple components in the database. Furthermore, PhotoCatDB is designed to enhance accessibility by using common names for photocatalysts, contrasting with the more complex IUPAC nomenclature used in other databases like SciFinder. While the current version of PhotoCatDB lacks fine-grained reaction class annotations, future updates aim to address this limitation, facilitating more systematic performance analysis.
Discussion
The section discusses the development and performance of PhotoCat-RXN, a reaction-prediction model that utilizes a Transformer-based architecture. Initially pre-trained on the USPTO database, which contains 1 million chemical reactions, the model was subsequently fine-tuned with PhotoCatDB to enhance its predictive capabilities for photocatalytic reactions. The results indicate that PhotoCat-RXN significantly outperforms baseline models trained solely on either USPTO or PhotoCatDB, achieving a Top-1 accuracy of 70.68% compared to 0.46% and 0.69% for the respective baselines. Furthermore, the incorporation of reaction conditions during training improved the model’s accuracy from 78.2% to 82.3%, demonstrating the importance of contextual information in enhancing prediction performance.
Additionally, the section introduces PhotoCat-Retro, a complementary module designed for photocatalytic retrosynthesis, which successfully generates feasible synthetic pathways for target molecules. The model’s performance improved significantly with transfer learning from the ZINC database, achieving a Top-1 accuracy of 69.43%. The discussion emphasizes the effectiveness of incorporating detailed reaction conditions and the advantages of using common names for reagents, which simplifies model training and enhances interpretability. Overall, the findings highlight the potential of PhotoCat in guiding experimental design and optimizing photocatalytic reactions through in silico simulations.