Karl Marti Toots kaitses doktoritöö, mis aitab paremini mõista ja hinnata orgaaniliste lahustunud ainete käitumist ioonvedelikes
Uko Maran
Tartu Ülikooli keemia instituudis kaitstud doktoritöös uuriti keemiainformaatika ja masinõppe meetoditega orgaaniliste lahustunud ainete jaotumist gaas-ioonvedelik keskkonnas. Esimest korda näidati arvutusmudelite abil soluudi gaas-ioonvedelik jaotusteguri sõltuvust ioonvedeliku ioonsetest osadest ja et suurandmete korral aitab mitme struktuurikomponendi arvutusmudelisse kaasamine oluliselt parandada masinõppe mudelite ennustusvõimet.
Tehisintellekti ja masinõppe (ML) rakendamine kvantitatiivsete struktuur-omadus sõltuvuste (QSPR) raames võimaldab in silico uuringuid materjalide ja keemiliste ühendite füüsikalis-keemiliste omaduste mõistmiseks. Üks selline keemiliste ühendite klass on ioonvedelikud, milles orgaaniliste lahustunud ühendite jaotusomaduste mõistmine ja hindamine annab aluse erinevate rakenduslike keemiliste keskkondade uurimiseks ja arendamiseks. Klassikaliste orgaaniliste lahustite keskkonnasõbralike alternatiividena on ioonvedelikud oluline uurimisobjekt. Samas on puudu ioonvedelike jaotusomaduste süstemaatilised struktuur-omadus sõltuvus uuringud. Seda lünka käesolev uurimus täidab.
Doktoritöö eesmärk oli uurida ioonvedelik-keskkondades gaas-ioonvedelik jaotusteguri (log K) ja orgaaniliste lahustunud ainete struktuuri ja/või keskkonna ioonsete komponentide vahelisi seoseid, kasutades keemiainformaatika lähenemisviise.
„Uurimistöö hõlmas teoreetiliste molekulaar-tunnuste ja täiustatud ML meetodite kasutamist, et modelleerida lahustunud aine ja ioonvedeliku struktuurist lähtuvaid interaktsioonimehhanisme mitme-komponentsetes süsteemides,“ selgitas doktoritöö autor Karl Marti Toots.
Doktoritöö oponendi, Münchenis asuva Helmholtzi Struktuuribioloogia Instituudi keemiainformaatika grupi juhi dr Igor Tetko sõnul näitas uurimus kui oluline on arvutus mudelite täpsuse parandamiseks kaasata võimalikult palju andmeid.
Orgaanilise lahustunud aine, katioonide ja anioonide struktuuridele vastavate andmeridade modelleerimine ja analüüs näitas, et juhumetsa regressiooni, tugivektori regressiooni ja Gaussi protsessi regressiooni ML meetodid esitavad molekulaar-tunnustes kodeeritud lahustunud aine ja ioonvedeliku vahelisi sõltuvusi tõhusamalt kui tavapärane multilineaarne regressioon. Samas on viimane lihtsamini interpreteeritav. Nii lineaarsed kui ka mittelineaarsed mudelid rõhutavad katioonide ja anioonide koostise kriitilist mõju lahustunud aine jaotusele ja selle modelleerimisele.
Doktoritöö juhendaja, Tartu Ülikooli molekulaartehnoloogia professori Uko Marani sõnul on teadlased keemiliste ühendite uurimisel, nende omaduste selgitamisel ja hindamisel ning uute ühendite väljatöötamisel alati toetunud katsetele ja andmetele, st. andmepõhisusele. "Selliseks teadmiste omandamise hõlbustamiseks on masinõpe ja tehisintellekt olnud igapäevases kasutuses töövahendid, mis tänapäeval on tõstetud eriliselt püünele, ja mida Karl Marti on oskuslikult oma uurimistöös kasutanud," selgitas ta.
Doktoritöö kaasjuhendaja kaasprofessor Sulev Sild lisas, et doktoritöö tulemused näitavad ka, et kogu lahustunud aine-ioonvedelik süsteemi modelleerimine, kombineerides lahustunud aine, katiooni ja aniooni tunnuseid, parandab ennustusvõimet suurte ja keemiliselt mitmekesiste andmekogumite puhul, rõhutades mitme-komponentsete lähenemisviiside olulisust.
Doktoritöö teine kaasjuhendaja, kaasprofessor Jaan Leis, tõi omalt poolt olulise tulemusena välja, et tuletatud mudelitesse kaasatud molekulaartunnused selgitavad komponentide vahelisi võimalikke interaktsioone, lähtudes soluut-solvent vastasmõjude liigitusest.
Doktoritöö autor Karl Marti Toots rõhutas veel, et lisaks mehhanistlikele teadmistele, võimaldavad tuletatud sõltuvused kujundada selektiivsemaid ja tõhusamaid ioonvedelik-keskkondi sihipäraste tööstuslike, keskkonna- ja teadusrakenduste jaoks.
Doktoritöö avalik kaitsmine toimus 5. septembril 2025. a.
Foto, Autor: Romet Peedumäe
