Méthodes d'apprentissage automatique pour l'étude par computationnelle des origines de la vie

Machine learning methods for computational studies in origins of life

• Auteur / Autrice : Timothée Devergne
• Direction : Antonino Marco Saitta, Fabio Pietrucci
• Type : Thèse de doctorat
• Discipline(s) : Physique et chimie des matériaux
• Date : Soutenance le 18/09/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Physique et chimie des matériaux (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Institut de minéralogie, de physique des matériaux et de cosmochimie (Paris ; 1997-....)
• Jury : Président / Présidente : Mathieu Salanne
• Jury : Examinateurs / Examinatrices : Ambroise Van Roekeghem, Gabriel Stoltz
• Jury : Rapporteurs / Rapporteuses : Héléna Zapolsky, Roberta Poloni

Mots clés

Mots clés contrôlés

Prébiotiques

Dynamique moléculaire

Origine de la vie

Cosmochimie

Apprentissage automatique

Mots clés libres

Intelligence artificielle

Chimie prébiotique

Dynamique moléculaire

Artificial inteligence

Prebiotic Chemistry

Molecular Dynamics

Résumé

La chimie prébiotique consiste en l’étude des réactions chimiques aux origines de la vie sur Terre. C’est un très vaste sujet qui mobilise plusieurs domaines scientifiques dont la physique numérique. En effet, des simulations de dynamiques moléculaire de haute précision peuvent être menées pour tester l’influence de différents environnements plausibles sur la synthèse de molécules : ce composant a-t-il pu apparaître dans le milieu interstellaire ? Sa formation est-elle favorisée par la présence de surfaces minérales ? Elles peuvent aussi être utilisées pour identifier des intermédiaires réactionnels trop peu stables pour être observés expérimentalement et mieux comprendre les mécanismes de formation. Pour cela, des méthodes d’échantillonnage avancé (EA) comme la metadynamique ou l’umbrella sampling sont utilisées pour explorer et échantillonner l’espace chimique. Ces méthodes peuvent être utilisées par exemple pour étudier la synthèse des acides aminés, qui constituent les briques de base des protéines, des molécules clés pour le vivant. Cela a été fait par Magrino et al, avec l’étude de la synthèse par voie de Strecker de la glycine, l’acide aminé le plus simple, en milieu aqueux. Cela a permis d’identifier tous les intermédiaires réactionnels présents dans cette voie de synthèse et de caractériser leur stabilité relative. Cependant, ces simulations dites ab initio qui prennent en compte les degrés de liberté électroniques ont un coût de calcul élevé et seuls de petits systèmes de l’ordre de la centaine d’atomes peuvent être étudiés. Pour remédier à ce problème, des méthodes d’apprentissage automatique (AA) qui permettent de réduire ce temps de calcul ont été mises en places pour des systèmes à l’équilibre. Peu d’études ont proposé des méthodes d’AA s’appliquant à des événements réactifs qui nécessitent un modèle précis sur l’entièreté de l’espace chimique en conjonction avec l’usage de méthodes d’EA. Dans un premier temps, nous nous appuyons sur les données existantes de la première étape de la synthèse prébiotique de Strecker de la glycine pour développer une méthode d’entraînement de modèles d’AA pour l’étude de réactions chimiques en solution. Nous commençons par entraîner un ensemble de modèles, appelé commité, avec le même ensemble d’entraînement mais des conditions initiales différentes. Au cours d’une simulation, nous pouvons suivre l’évolution temporelle de la différence de prédictions des forces au sein du modèle et lorsque le système se trouve en dehors de la zone d’entraînement du modèle nous constatons que cette différence augmente, ce qui nous permet de quantifier la qualité de la prédiction et définir un temps de simulation pendant lequel le modèle se comporte comme une simulation ab initio. Grâce à cela, nous pouvons cibler dans l’espace chimique quelles nouvelles données utiliser pour entraîner un modèle plus performant. En utilisant cette méthode nous parvenons à obtenir des données proches des données ab initio. Nous appliquons ensuite cette nouvelle méthode à un chemin de synthèse prébiotique de la glycine en milieu aqueux différent de celui de Strecker. Ce chemin n’avait jamais été exploré auparavant. Cependant, la méthode développée précédemment nécessite une connaissance préalable du mécanisme de transition. Dans la deuxième partie de cette thèse, nous utilisons des trajectoires ab initio d’échantillonnage de chemin de transition qui sont des trajectoires démarrant de l’état de transition vers les bassins d’équilibre qui couvrent l’entièreté de l’espace chimique et qui ne demande pas une caractérisation préalable du mécanisme. Ces trajectoires sont utilisées pour entraîner un modèle qui peut-être utilisé pour récupérer les données thermodynamiques mais aussi cinétiques d’une réaction avec une qualité ab initio pour un moindre coût.

Prebiotic chemistry is the study of chemical reactions at the origins of life on earth. It is a very wide subject that requires the contribution of many scientific fields, including numerical physics. Indeed, highly accurate molecular dynamics simulations are performed to test the influence of different environnement on the synthesis of molecules: could this componant appear in interstellar medium? Is its formation impacted by the presence of mineral surfaces? They can also be used to identify intermediates that are too unstable to be observed experimentally and better understand the mechanism of formation. To do so, enhanced sampling (ES) methods such as metadynamics or umbrella sampling are used to explore and sample the chemical landscape. These methods can be used to study the synthesis of amino acids that are the building blocks of proteins. This was done by Magrino et al, with the study of the Strecker synthesis of glycine, the simplest amino acid, in water. This allowed to identify all the intermediates and characterize their stability. However, these simulations called ab initio which take into account the electronic degrees of freedom are computationnally expensive and only small systems of a few hundreds atoms can be studied. To solve this problem, machine learning (ML) methods have been put into place that allow to reduce the computational time for equilibrium system. Only few ML methods have been suggested to study reactive events because this requires an accurate model on the whole chemical space. In a first time, we use the existing data from the study of the prebiotic synthesis of glycine to devise a training methods for ML models for chemical reactions in solution. We start by training a set of models, called committee, with the same training set but different initial conditions. During a simulation we track the evolution of deviation of the prediction of forces, and we see that when the model is out of its training zone, this deviation drastically increases. This allows us to define a time during which the model behaves like an ab initio simulation. Thanks to this, we can target in the chemical space what new data to put in the training set to have a more accurate model. By using this method we obtained results close to ab initio accuracy. We then apply this method to a new prebiotic pathway to glycine in water that has never been studies before. However, the method previously developped requires a prior knowledge of the transition mechanism. In the second part of this thesis, we use ab initio transition path sampling trajectories which are trajectories starting from the transition state and relaxing into the equilibrium basins. They cover all the chemical space and are therefore suitable to train a ML model. By using such model we managed not only to recover the thermodynamics of the reaction but also the kinetics. We obtained results close to ab initio accuracy.