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 används som indata till prediktiva modeller, med fokus på de utmaningar som är specifika för molekylära data. Centrala moment inkluderar molekylära representationer och deskriptorer, maskininlärningens arbetsflöde från problemformulering och datakvalitet till modellval och validering. Nödvändiga matematiska verktyg introduceras i tillämpad form. Studenterna arbetar praktiskt med kemiska dataset i Python-miljöer och tränas i ett reproducerbart arbetssätt. Modulen bygger på och fördjupar studenternas förkunskaper i kemometri.

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

Modulen ger en översikt av moderna AI-metoder för kemi och materialvetenskap och tränar studenterna i att kritiskt värdera dem. Teoridelen följer utvecklingen från neurala nätverk till grafneurala nätverk och modeller för tredimensionella strukturer. Tillämpningsdelen behandlar generativa modeller för molekyl- och materialdesign, maskininlärda kraftfält, AI-baserad strukturprediktion, till exempel AlphaFold, samt användande av språkmodeller (LLMs) för kemirelaterade applikationer. Tyngdpunkten ligger på kritisk utvärdering snarare än på implementering, med fokus på datakvalitet, modellvalidering samt forskningsetiska aspekter av AI i 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 kommer ge praktisk färdighet i att genomföra och tolka kvantkemiska beräkningar.

**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 samt tidsintegreringsalgoritmer. Studenterna introduceras även till fri-energiberäkningar genom en datorbaserad laboration där studenterna sätter upp, genomför och analyserar MD-simuleringar från energiminimering till jämvikts- samt produktionssimuleringar med följande dataanalys.

Modul 5 (2.0 hp): Bioinformatik

Modulen ger en introduktion till strukturbioinformatik, med fokus på uppbyggnad och användning av databaser med biologisk information samt på sekvens- och strukturjämförelser av proteiner, inklusive 3D-strukturjämförelser och introduktion till PDB-formatet. Teorin bakom metoderna, det praktiska utförandet och bedömningen av kvaliteten hos dessa jämförelser behandlas och diskuteras. Proteinveckningsteori behandlas översiktligt.

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

Modulen behandlar kvantitativa struktur–aktivitetssamband (QSAR) som ett exempel på datadriven, kemometrisk modellering i kemi, där fysikaliska och kemiska egenskaper hos molekyler relateras till biologiska effekter. Studenterna beräknar molekylära deskriptorer och tillämpar multivariata statistiska metoder för att bygga och validera prediktiva modeller för biologisk aktivitet, med tyngdpunkt på val och tolkning av deskriptorer samt modellvalidering.

Förväntade studieresultat

Förväntade studieresultat

Kunskap och förståelse

Efter avslutad kurs ska studenten kunna:

• Redogöra för hur molekyler, material och proteiner representeras som data samt förklara principerna bakom centrala metoder inom maskininlärning och djupinlärning och deras tillämpningar inom kemi, inklusive generativa modeller för molekyl- och materialdesign.
• 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.
• Förklara hur datadrivna metoder såsom maskininlärda kraftfält och AI-baserad strukturprediktion förhåller sig till fysikaliskt baserade beräkningsmetoder med avseende på noggrannhet, beräkningskostnad och giltighetsområde.

**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 maskininlärning för att utforska kemiska dataset samt bygga och utvärdera prediktiva modeller, 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, datakvalitet påverkar noggrannhet och giltighetsområde.
• Reflektera över forskningsetiska aspekter av artificiell intelligens i kemisk forskning, inklusive ansvarsfull och transparent användning av AI-verktyg i det egna arbetet.

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, med beräkningskluster för kvantkemiska beräkningar och molekyldynamiksimuleringar, samt program 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), samt 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.

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.

Övergångsbestämmelser

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.

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