Insegnamento INTELLIGENZA ARTIFICIALE IN CHIMICA
- Corso
- Scienze chimiche
- Codice insegnamento
- A003532
- Curriculum
- Comune a tutti i curricula
- Docente
- Gabriele Cruciani
- Docenti
-
- Gabriele Cruciani
- Laura Goracci (Codocenza)
- Ore
- 21 ore - Gabriele Cruciani
- 36 ore (Codocenza) - Laura Goracci
- CFU
- 6
- Regolamento
- Coorte 2023
- Erogato
- 2024/25
- Attività
- Affine/integrativa
- Ambito
- Attività formative affini o integrative
- Settore
- CHIM/06
- Tipo insegnamento
- Opzionale (Optional)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- ITALIANO
- Contenuti
- Lo scopo principale del corso è fornire una panoramica dettagliata dell’uso della intelligenza artificiale in chimica e materie affini, mostrando come l’intelligenza artificiale possa fornire soluzioni a problemi chimici più o meno complessi. Si discuteranno anche gli attuali limiti dell’intelligenza artificiale. Nella parte di laboratorio, si utilizzeranno software e piattaforme basate su intelligenza artificiale volte alla progettazione molecolare, allo studio delle reazioni chimiche e biologiche e alla divulgazione in ambito chimico. Temi generali trattati. Introduzione su storia della Intelligenza artificiale in chimica. Approcci più comuni della intelligenza artificiale in chimica. Gestione dati. Relazioni struttura-proprietà e modelli predittivi. Intelligenza artificiale per progettazione molecolare. Intelligenza artificiale per reazioni chimiche e biologiche. Intelligenza artificiale in divulgazione scientifica.
- Testi di riferimento
- Gli studenti possono utilizzare i seguenti testi per la consultazione degli argomenti trattati:
H.M. Cartwright, Machine Learning in Chemistry. The impact of artificial intelligence, Royal Society of Chemistry. 2020
Artificial intelligence in drug discovery, ed. By Nathan Brown, Royal society of Chemistry, 2021.
Il materiale didattico dei contenuti del corso è fornito direttamente dal docente in forma elettronica come pdf. - Obiettivi formativi
- L’obiettivo primario dell’insegnamento è di fornire agli studenti le basi concettuali per utilizzare in maniera consapevole strumenti di Intelligenza Artificiale per applicazioni chimiche e materie affini, comprendendone potenzialità e limiti attuali.
A fine corso lo studente dovrebbe essere in grado di comprendere le principali strategie di IA applicate in chimica, e sapere utilizzare software per la progettazione molecolare, per studio di reazioni chimiche (enzimatiche e non), lo studio delle relazioni struttura-proprietà. - Prerequisiti
- Per seguire e apprendere i contenuti del corso, in maniera più conveniente e proficua, lo studente dovrebbe possedere le seguenti conoscenze di base:
Conoscenza dei fondamenti della chimica;
Conoscenza dei concetti base di sintesi in chimica organica;
Conoscenza di elementi di chimica al calcolatore.
Queste conoscenze sono dei prerequisiti importanti per lo studente che intenda seguire il corso con profitto. - Metodi didattici
- Il corso di Intelligenza artificiale in Chimica prevede esercitazioni di laboratorio ed è così organizzato:
-Lezioni frontali in aula su tutti gli argomenti del corso della durata di 2 ore ciascuna.
-Esperienze di laboratorio al computer, a postazione singola o a gruppi di due, a seconda del numero di studenti.
-Valutazione in itinere del grado di apprendimento degli studenti tramite risoluzione collegiale di casi di studio. Quest’attività è una forma di allenamento alla prova di esame. - Altre informazioni
- Gabriele Cruciani: gabriele.cruciani@unipg.it
- Modalità di verifica dell'apprendimento
- L’esame prevede solo una prova orale, che consiste in una discussione della durata di circa 30 minuti finalizzata all’accertamento delle capacità dello studente di descrivere ed applicare i concetti acquisiti. Per la parte di laboratorio gli studenti dovranno rispondere ad un questionario di 5 domande di cui tre a risposta multipla e due aperte, relativamente alle esperienze di laboratorio effettuate. Questa formula è a sostituire le classiche relazioni di laboratorio, e le risposte rappresenteranno uno spunto di discussione in sede di esame orale.
- Programma esteso
- Introduzione al corso.
Storia della intelligenza artificiale. Storia della intelligenza artificiale in chimica. Primi approcci di intelligenza artificiale in chimica. Definizione di scienze computazionali. Concetto di pattern recognition. Descrizione di molecole e macromolecole. Gestione di big data.
Approcci di AI per la progettazione di farmaci.
Predizione delle interazioni non-covalenti. Interazione proteina-substrato. Docking. Virtual screening.
Relazioni struttura-proprietà e struttura-attività.
Machine learning mediante metodi di PCA, LDA, PLS, PLS-DA, O-PLS. Reti neurali e Deep Learning.
Strategie di IA per reazioni chimice.
Descrizione di una reazione chimica. Come formulare un problema di retrosintesi. Predizione di retrosintesi a step singolo o multi-step. Predizione del sito di reazione. IA per predire sottoprodotti o analizzare impurezze.
Strategie di IA per la predizione di biotrasformazioni
IA nella predizione di: fattore di esposizione e reattività, fattore conformazionale e stato di protonazione.
Esperienze di laboratorio
Le esperienze di laboratorio sono mirate ad una più profonda comprensione dei concetti descritti nella parte teorica. Progettazione molecolare, predizione di proprietà molecolari, predizione di procedure di retrosintesi e di analisi sottoprodotti, predizione delle trasformazioni metaboliche ad opera di enzimi. Utilizzo di tool di AI per presentazioni scientifiche a fini divulgativi.