top of page

Grants

Current projects

FENG.01.01-IP.02-0907/23
Opracowanie algorytmów uczenia maszynowego i opartego na nich systemu IT do sugerowania warunków reakcji chemicznych dla kluczowych klas reakcji

Celem projektu jest stworzenie nowatorskiego produktu pozwalającego na planowanie ścieżek syntezy chemicznej z uwzględnieniem warunków reakcji, takich jak katalizator czy temperatura.

Prace będą skoncentrowane na opracowaniu sieci neuronowych i algorytmów uczenia maszynowego do sugerowania skutecznych warunków reakcji chemicznych w celu maksymalizacji ich wydajności. Planuje się stworzyć algorytmy priorytetyzacji reakcji, rozwijać architekturę i metody trenowania modeli oraz stworzyć oprogramowanie umożliwiające wykorzystanie modeli w planowaniu syntezy. Efektem będzie wysoka liczba poprawnie zaproponowanych warunków (wydajność reakcji na poziomie min. 10%).


Projekt obejmuje rozwój protokołów eksperymentalnych i wykonanie 800 tys. reakcji chemicznych w 8 kluczowych klasach reakcji. Wykonanie tak dużej liczby reakcji będzie możliwe dzięki wykorzystaniu wysoko zautomatyzowanego laboratorium chemicznego. Projekt bazuje na postępach w dziedzinach sztucznej inteligencji i automatyzacji, a jego unikalność polega na połączeniu tych metod, liczbie reakcji i poziomie zautomatyzowania laboratorium na skalę regionu Europy Środkowo-Wschodniej.

Rozwiązanie to będzie wzbogacone o dane eksperymentalne oraz zintegrowane z naszym istniejącym komercyjnym produktem do planowania syntezy. Jako pierwsi wprowadziliśmy na rynek w 2019 produkt do planowania syntezy oparty o głębokie sieci neuronowe. Planujemy go wzbogacić o największy ogólnodostępny zbiór danych pochodzących z literatury naukowej od CAS (USA). Nasz zbiór będzie kluczowym uzupełnieniem dostępnych danych publicznych ze względu na obecność wyników negatywnych, różnorodność struktur chemicznych i regularność zbioru.

Innowacja produktowa zostanie skierowana do:
1. Dużych firm farmaceutycznych/biotechnologicznych posiadających wewn. oddziały odpowiedzialne za procesy drug discovery (DD) - ok. 70% rynku
2. Małych/średnich firm posiadających wewn. oddziały DDw liczbie poniżej 100 linii badawczych - 20% rynku
3. Małych/średnich firm świadczących usługi w sektorze DD - 10% rynku

Budżet projektu:  20 968 771.16 PLN

Dofinansowanie: 14 199 877.80  PLN

FENG_RP_UE_RGB-1.png
FENG.01.01-IP.02-0907/23
Development of machine learning algorithms and an IT system based on them to suggest chemical reaction conditions for key reaction classes

The goal of the project is to create a novel product that allows planning chemical synthesis pathways taking into account reaction conditions, such as catalyst and temperature.

The work will focus on developing neural networks and machine learning algorithms for suggesting effective conditions for chemical reactions to maximize their efficiency. The plan is to create reaction prioritization algorithms, develop the architecture and methods for training the models, and develop software to use the models in synthesis planning. This will result in a high number of correctly suggested conditions (reaction yields of at least 10%).

The project involves the development of experimental protocols and the execution of 800,000 chemical reactions in 8 key reaction classes. Performing such a large number of reactions will be made possible by using a highly automated chemical laboratory. The project is based on advances in the fields of artificial intelligence and automation, and its uniqueness lies in the combination of these methods, the number of reactions and the level of automation of the laboratory on the scale of the CEE region.

The solution will be enhanced with experimental data and integrated with our existing commercial synthesis planning product. We were the first to launch a synthesis planning product based on deep neural networks in 2019. We plan to enhance it with the largest publicly available dataset from the scientific literature from CAS (USA). Our collection will be a key addition to the available public data due to the presence of negative results, the diversity of chemical structures and the regularity of the collection.

The product innovation will target:
1. large pharmaceutical/biotech companies with internal divisions responsible for drug discovery (DD) processes - about 70% of the market
2. small/medium companies with in-house DD divisions of less than 100 research lines - 20% of the market
3. small/medium companies providing services in the DD sector - 10% of the market

Project budget:  20 968 771.16 PLN

Funding:              14 199 877.80  PLN

FENG_RP_UE_RGB-1.png
bottom of page