Beräkningskemi och kemiska tillämpningar av AI, 15 hp

Innehåll

Kursen är indelad i sex moduler:

**Modul 1 (4.0 hp): Kemidata, representation och modeller**

Modulen behandlar hur kemisk information representeras och struktureras för datorbaserad modellering, med fokus på de utmaningar som är specifika för molekylära data. Centrala moment inkluderar linjära och grafbaserade molekylrepresentationer (SMILES, InChI, molekylära grafer), beräkning och tolkning av molekylära fingeravtryck och deskriptorer, samt egenskaperna hos kemiskt rum och konsekvenserna för dataurval och generalisering. Studenterna arbetar praktiskt med verktyg för keminformatik i webbläsarbaserade Python-miljöer och tränas i att formulera kemiska frågeställningar som prediktions- eller klassificeringsproblem. Modulen bygger på och fördjupar studenternas förkunskaper i kemometri, med särskilt fokus på de aspekter som är unika för molekylära data: aktivitetsklyftor, strukturell likhet, tillämpningsdomän och kemisk mångfald i tränings- och testset. Examination sker genom ett projektarbete där studenten väljer ett publikt kemiskt dataset, utforskar dess egenskaper och diskuterar förutsättningarna för prediktiv modellering.

**Modul 2 (3.5 hp): AI i kemi: metoder och tillämpningar**

Modulen ger en översikt av centrala AI-metoder och deras tillämpningar inom kemi, från klassiska maskininlärningsmetoder till moderna djupinlärningsmodeller och stora språkmodeller anpassade för kemi. Tyngdpunkten ligger inte på implementering utan på kritisk utvärdering: studenterna tränas i att läsa och bedöma vetenskapliga publikationer som rapporterar AI-baserade modeller för kemiska tillämpningar. Centrala frågor inkluderar val av molekylrepresentation, datakvalitet och bias, modellvalidering och tillämpningsdomän, samt tolkbarhet och reproducerbarhet. Konkreta tillämpningsområden som behandlas inkluderar prediktering av molekylära egenskaper, generativa modeller för molekyldesign samt AI-assisterad kvantkemi och kraftfältsutveckling. Examination sker genom en seminarieserie där studenterna presenterar och granskar aktuella vetenskapliga artiklar inom AI och kemi.

**Modul 3 (1.5 hp): Kvantkemi**

Modulen består av teori och laboration. I teoridelen behandlas grunderna i elektronisk strukturteori för molekyler, inklusive Schrödingerekvationen och Hamiltonoperatorn, orbital- och MO-begrepp samt centrala approximationer och metoder (Hartree–Fock och DFT) och val av basuppsättningar. Laborationen genomförs i webbläsaren via fjärranslutning till HPC2N:s beräkningskluster Kebnekaise och ger praktisk färdighet i att genomföra och tolka kvantkemiska beräkningar, inklusive geometrioptimering, frekvensanalys och potentialenergiytor. Konkreta tillämpningar inkluderar modellering av Diels-Alder-reaktionens mekanism med reaktionskoordinatberäkning (IRC), beräkning av vätebindningsenergi samt prediktering av Ramanspektra för molekylär identifiering.

**Modul 4 (2.0 hp): Molekylmekanik**

Modulen behandlar grunderna i molekylmekanik (MM) och molekyldynamik (MD) som komplement till kvantkemiska metoder för studier av större molekylära system. Teoridelen introducerar kraftfält och potentialenergifunktioner, inklusive bundna och obundna växelväxlingar, partiella laddningar och atomtyper, samt metoder för energiminimering. MD-delen behandlar statistisk mekanik, termostater och barostater, periodiska randvillkor, Ewald-summering samt tidsintegreringsalgoritmer. Studenterna introduceras även till fri energiberäkningar med umbrella sampling och potentialen för medelkraft (PMF). Laborationen genomförs i webbläsaren via fjärranslutning till Kebnekaise, där studenterna sätter upp, genomför och analyserar MD-simuleringar med GROMACS, från energiminimering och ekvilibrering till produktionssimulering och trajektorianalys.

**Modul 5 (2.0 hp): Bioinformatik**

Modulen ger en introduktion till strukturbioinformatik med fokus på sekvens- och strukturanalys av proteiner. Centrala moment inkluderar sekvensanalys och identifiering av öppna läsramar, par- och multipel sekvensjämförelse (PSA/MSA), domänidentifiering med hjälp av databaser som SCOP, CATH och InterPro, samt introduktion till PDB-formatet och tredimensionell strukturvisualisering. Proteinfältningsteori behandlas inklusive Levinthals paradox och termodynamiska principer bakom fältning. Studenterna genomför komparativ modellering för att bygga en tredimensionell proteinmodell, och jämför resultatet med strukturer predikterade med moderna AI-baserade metoder såsom AlphaFold. Modulen illustreras genomgående med ett sammanhängande fallstudieprojekt kring ett cancerrelevant protein.

**Modul 6 (2.0 hp): QSAR: struktur–aktivitetssamband och prediktiva modeller**

Modulen behandlar kvantitativa struktur–aktivitetssamband (QSAR) som ett centralt exempel på datadriven modellering i kemi. Studenterna arbetar med molekylära deskriptorer beräknade från tredimensionella strukturer med hjälp av kraftfältsbaserad konformationsanalys, och tillämpar PCA och PLS i SIMCA för att bygga och validera prediktiva modeller för biologisk aktivitet. Tyngdpunkten ligger på de kemiskt specifika aspekterna: val och tolkning av deskriptorer, identifiering av inflytelserika variabler (VIP), modellvalidering med korsvalidering och permutationstest, samt prediktering och utvärdering av ett externt testset. Examination sker genom projektarbete med muntlig presentation.

Förväntade studieresultat

Kunskap och förståelse

Efter avslutad kurs ska studenten kunna:

• Redogöra för hur molekyler representeras som data och förklara principerna bakom centrala AI-metoder och deras tillämpningar inom kemi.
• Redogöra för grundläggande begrepp i kvantkemi, molekylmekanik och molekyldynamik samt vad som skiljer centrala metoder och approximationer åt.
• Beskriva grundläggande metoder inom strukturbioinformatik, inklusive sekvensjämförelse, komparativ modellering och proteinvikning.

**Färdigheter och förmåga**

Efter avslutad kurs ska studenten kunna:

• Sätta upp, genomföra och tolka kvantkemiska beräkningar samt molekyldynamiksimuleringar via fjärranslutning till ett beräkningskluster.
• Bygga och validera prediktiva QSAR-modeller samt tolka resultaten i kemiska termer.
• Använda webbläsarbaserade verktyg för keminformatik och kritiskt granska vetenskapliga publikationer inom AI och kemi.

**Värderingsförmåga och förhållningssätt**

Efter avslutad kurs ska studenten kunna:

• Kritiskt bedöma rimlighet, begränsningar och generaliserbarhet hos beräkningsresultat och prediktiva modeller, inklusive hur metodval påverkar noggrannhet och tillämpningsdomän.

Behörighetskrav

120 hp varav 60 hp kemi inklusive Programmeringsteknik med Python (7,5 hp) och Kemometri (7,5 hp) eller motsvarande.

Undervisningens upplägg

Undervisningen består av:

Föreläsningar och seminarier: Introduktion till teoretiska begrepp och principer samt kritisk granskning av vetenskaplig litteratur.

Självstudier utifrån angivet kursmaterial och litteratur.

Laborationsarbete och projektarbete: Praktiska beräkningar genomförs i webbläsarbaserade miljöer, inklusive fjärranslutning till HPC2N:s beräkningskluster Kebnekaise för kvantkemiska beräkningar och molekyldynamiksimuleringar, samt webbläsarbaserade Python-miljöer för keminformatik och dataanalys.

Examination

Examination sker inom varje modul enligt följande:

Modul 1 (Kemidata, representation och modeller): examineras skriftligt genom en projektrapport som betygssätts med något av följande betyg: Underkänd (U) eller Godkänd (G) (U/G)

Modul 2 (AI i kemi: metoder och tillämpningar): examineras muntligt (?) genom en seminariepresentation som betygssätts med något av följande betyg: U, 3-5. (3/4/5)

Modul 3 (Kvantkemi): examineras genom en laborationsrapport som betygssätts med något av följande betyg: Underkänd (U) eller Godkänd (G).

Modul 4 (Molekylmekanik och molekyldynamik): examineras genom en laborationsrapport som betygssätts med något av följande betyg: Underkänd (U) eller Godkänd (G).

Modul 5 (Bioinformatik): examineras muntligt genom en laborationsredovisning som betygssätts med något av följande betyg: Underkänd (U) eller Godkänd (G).

Modul 6 (QSAR): examineras genom en skriftlig projektrapport som betygssätts med något av följande betyg: Underkänd (U) eller Godkänd (G) och en muntlig presentation som betygssätts med något av följande betyg: U, 3-5.

För att bli godkänd på kursen krävs att samtliga moduler är godkända. Slutbetyget (3/4/5) baseras på lika viktning av betygen från Modul 2 och Modul 6.

Student med godkänt resultat får ej genomgå examination igen för att få ett högre betyg. En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att skriftligen ansöka om att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Ansökan om ny examinator ställs till prefekten vid Kemiska institutionen

Övriga föreskrifter

Anpassad examination: För student som har beslut om rekommenderat stöd på grund av funktionsnedsättning kan Examinator besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov och kursens förväntade studieresultat. För mer information se Handläggningsordning för stöd till studenter med funktionsnedsättning samt Regel för betyg och examination.

Student som har behov av en anpassad examination, och som har erhållit ett beslut om rätt till stöd från samordnare för studenter med funktionsnedsättning vid Studentcentrum, ska senast 10 arbetsdagar innan examinationen begära anpassning hos kursansvarig institution. Examinator beslutar om anpassad examination som sedan meddelas studenten.

Tillgodoräknande: Ansökningar om tillgodoräknande prövas individuellt. I en examen får denna kurs ej ingå tillsammans med annan kurs med likartat innehåll. Vid osäkerhet bör den studerande rådfråga studievägledare för den aktuella kursen. Ansökan om tillgodoräknande skickas in till Studentcentrum/Examina. Mer information om tillgodoräknande finns på Umeå universitets studentwebb och i högskoleförordningen (6 kap). Ett avslag på ansökan om tillgodoräknande kan överklagas (Högskoleförordningen 12 kap) till Överklagandenämnden för högskolan. Detta gäller såväl om hela som delar av ansökan om tillgodoräknande avslås.

I det fall att kursplan upphör att gälla eller genomgår större förändringar, garanteras studenter minst tre provtillfällen (inklusive ordinarie provtillfälle) enligt föreskrifterna i den kursplan som studenten ursprungligen varit kursregistrerad på under en tid av maximalt två år från det att tidigare kursplan upphört att gälla.

Övergångsbestämmelser

Regel för betyg och examination reglerar vad som gäller för omprov i de fall en kurs avvecklats eller en kursplan genomgått större förändringar.