AES_008

Novembre-Dicembre 2025 Automazione e Strumentazione Approfondimenti 38 INDAGINE rappresentabili come grafi , con gli atomi come nodi e i legami come archi , costruendo nuove strutture aggiungendo nodi e archi in modo coe- rente con le regole chimiche. Infine, ci sono modelli Transformer , che si ba- sano sulla rappresentazione Smiles (Simplified Molecular Input Line Entry System) delle mo- lecole, che è un modo compatto e testuale per descrivere la struttura di un composto. Invece di utilizzare formule chimiche o modelli tridimen- sionali, il sistema Smiles traduce la molecola in una sequenza di caratteri che codifica atomi, legami e cicli secondo regole precise. Poi, i mo- delli Transformer, che sono molto simili a quel- li impiegati per l’interpretazione del linguaggio naturale, elaborano le rappresentazioni Smiles delle molecole come sequenze di caratteri e ge- nerano nuove molecole attraverso tecniche di ap- prendimento sequenziale. Questi differenti approcci alla tecnologia AI (VAE, GAN, GNN e Transformer) consentono di esplorare spazi chimici vastissimi e di proget- tare molecole con proprietà mirate, riducendo tempi e costi rispetto ai metodi tradizionali. Piattaforme disponibili Esistono diverse piattaforme che applicano queste tecnologie. DeepChem è una libreria open-source che offre strumenti per il machine learning applicato alla chimica e alla biologia, consentendo la predizione di proprietà moleco- lari e la simulazione di dinamica molecolare. Schrödinger AI Suite è una soluzione avanzata per la progettazione di farmaci e materiali, che integra modelli predittivi basati su reti neurali e algoritmi di ottimizzazione per lo screening vir- tuale. IBM RXN for Chemistry sfrutta modelli di deep learning per prevedere reazioni chimi- che e suggerire percorsi sintetici ottimali, men- tre BenevolentAI si concentra sulla scoperta di farmaci analizzando enormi quantità di dati bio- logici e chimici per identificare nuove molecole candidate. Atomwise , infine, utilizza reti neurali convoluzionali per predire l’affinità di legame tra molecole e target biologici, accelerando la fase di drug discovery. Specialmente negli ulti- mi anni, i progressi sono stati esponenziali, sia nelle tecnologie di emulazione neurale sia nello sviluppo delle piattaforme. Per quanto gli stru- menti di sviluppo e studio di nuove molecole si- ano ormai potentissimi, bisogna tenere conto dei possibili limiti. La qualità dei dati è fondamen- difica a una molecola, ma una distribuzione di probabilità, consentendo di campionare nuove varianti in modo fluido. Questa continuità è fon- damentale per la generazione di nuove molecole: muovendosi gradualmente nello spazio latente, si possono ottenere molecole con proprietà simili o ottimizzate, evitando salti casuali che portereb- bero a strutture chimicamente non valide. Inol- tre, il VAE apprende una mappatura tra lo spa- zio latente e lo spazio molecolare, permettendo di esplorare regioni non ancora conosciute ma plausibili dal punto di vista chimico. In sintesi, lo spazio latente continuo è una rappresentazio- ne compatta e probabilistica che consente in- terpolazioni e variazioni controllate, rendendo i VAE strumenti potenti per la progettazione di molecole e materiali. In pratica, i VAE compri- mono le molecole in uno spazio latente continuo e poi le ricostruiscono, permettendo di generare nuove strutture variando i parametri nello spazio latente. Sono ideali per esplorare spazi chimici e ottimizzare proprietà. Un secondo modello è quello delle Generative Adversarial Networks (GAN), che si basa su due reti, denominate ‘ge- neratore’ e ‘discriminatore’, che competono tra loro, creano molecole realistiche partendo da rumore casuale e sono particolarmente utili per ottenere composti con caratteristiche specifiche. Poi, tornando alle GNN , ci sono le reti neurali grafiche con approccio generativo , che sfrut- tano il fatto che le molecole sono naturalmente I modelli generativi e gli algoritmi predittivi, con dati qualitativamente e quantitativamente sufficienti, possono simulare in modo accurato il comportamento delle sostanze chimiche