MATLAB 및 Simulink를 사용하면 AFM, Cryo-EM, NMR, EPR 등의 실험 데이터를 수집하고 처리할 수 있습니다. MATLAB으로는 머신러닝과 딥러닝을 사용하여 시뮬레이션된 빅데이터를 생성 및 시각화하고 분자 구조와 속성의 예측 모델을 만들 수 있습니다.
MATLAB 및 Simulink로 다음과 같은 작업을 수행할 수 있습니다.
- 수치적 기법과 시각화 방법을 적용하여 다양한 분광 데이터를 시뮬레이션하고 피팅
- 분자 속성 예측을 위한 고급 예측 모델 개발
- 복잡한 화학 시스템을 모델링하고 해석적 해와 수치 해를 제공할 새로운 이론적 프레임워크 개발
- 모든 수준의 화학 교육과정에서 화학 중심 프로그래밍 역량 교육
MATLAB을 사용한 화학 연구 및 교육 사례
![7개의 아미노산으로 구성된 신경펩티드인 APRLRFY의 접힘은 거친 입자 모델 내의 게이트 기반 양자 프로세서에서 검사됩니다.](https://kr.mathworks.com/solutions/chemistry/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/1/image_copy.adapt.full.medium.jpg/1733828211711.jpg)
변분 양자 고유값 솔버를 사용한 바닥 상태 단백질 접힘
MATLAB에서는 큐비트를 사용하여 3차원 사면 격자에서 단백질 접힘을 인코딩할 수 있습니다. 이 바닥 상태 단백질 예제를 사용하면 시뮬레이션된 변분 양자 고유값 솔버 루틴을 통해 바닥 상태를 찾을 수 있습니다. 시뮬레이션에 따른 최종 회로는 비교를 위해 실제 양자 프로세서 장치에서 실행됩니다.
그래프 어텐션 신경망을 사용한 작용기 분류
MATLAB을 사용하면 작용기가 여러 개인 분자를 GAT(그래프 어텐션 신경망)로 분류할 수 있습니다. 이 다중 레이블 그래프 분류 예제에서는 6,950개의 분자를 나타내는 그래프 모음인 QM7-X 데이터셋으로 훈련이 수행됩니다. 이 시연에서는 CH, CH2, CH3, N, NH, NH2, NOH, OH 작용기를 고려합니다.
그래프 컨벌루션 신경망을 사용한 분자 내 원자 분류
MATLAB을 사용하면 GCN(그래프 컨벌루션 신경망)으로 분자 내 원자의 유형을 예측할 수 있습니다. 이 노드 분류 예제를 사용하여 최대 23개의 원자로 구성된 7,165개 분자를 담은 분자 데이터셋인 QM7 데이터셋으로 GCN을 훈련시키는 방법을 알아볼 수 있습니다.