人工智能AI加入“制造分子”

互联网上的图片

编者按，像“互联网附加”，人工智能也可以添加到许多领域。从基础研究到新材料的开发，从数据分析到医学诊断，人工智能助手甚至让许多专家相形见绌。在享受各种便利的同时，人们也担心人工智能是否会夺走人类的“饭碗”。国际科学技术部的记者们继续发布关于人工智能应用的特别报道，以探索人类未来和人工智能之间的关系。

化学家有了一个新的实验助手——人工智能。随着深度学习算法的进一步应用，人工智能计算机程序可以帮助小的有机分子如药物化合物产生所需的反应序列和制定合成路线。

《自然》杂志最近出版了这种新工具。化学家将这一进展视为一个巨大的飞跃，它可以加速药物研发过程，促进有机化学的更快发展。

Pablo Calbo Nar没有参与这项研究，他在英国曼彻斯特大学设计了一个合成预测工具，他认为人工智能可以从论文中掌握相关的专业知识，这是一个里程碑式的研究。

手动反应备忘录转变为大数据

20世纪80年代以前，许多化学家收集了大量的文献、手写的有用反应和参考索引卡来指导合成路线的设计。

化学家通常会搜索他人记录的反应列表，并根据他们的直觉逐步找出生产特定化合物的方法。

这需要首先分析要生成的分子，例如使用哪些试剂，它们是否容易获得，以及通过哪些反应序列来合成它。这被称为反向合成反应，这种分析通常需要几个小时甚至几天。

自20世纪60年代以来，研究人员一直试图用计算机来计划有机化学合成，但收效甚微。随着人工智能的兴起，这些备忘录自然会转向数据库存储甚至应用。

轻松自学1240万个反应步骤

德国明斯特大学的有机化学家和人工智能研究员马尔文·塞格勒和他的同事开发了新的人工智能工具，使得深入的神经网络能够学习目前已知的所有1240万个单步有机化学反应——这使得它能够预测任何一步发生的反应结果。

赛格勒的团队通过双盲测试测试了该工具，并请有经验的化学家验证人工智能设计的合成方法是否有效。他们向中国的两个研究机构和德国的45名有机化学家展示了九种分子的潜在合成路线图，这使得人工智能系统可以提出一种最佳方法，而人类可以设计另一种最佳方法。最后，这两种方法没有明显的区别。

赛格勒团队开发的工具是近年来开发的程序之一，它使用人工智能来标记潜在的化学反应路线。最著名的Chematica于2017年5月被默克收购，韩国蔚山国家科技学院的化学家团队也有另一套相关程序。

中国自动化学会混合智能委员会副主任、复旦大学计算机科学学院教授张俊平教授日前在接受《科技日报》采访时指出，这种预测本质上与围棋中“阿尔法狗”所使用的技术相似。它是通过人工智能方法实现的，可以搜索海量数据。因此，它可以在1240万个分子合成方案中找到潜在的可能结果，供科学家参考。"

人工智能成为科学家的高级定制工具

今年3月，测试团队报告说，他们已经在实验室测试了算法中的八条路径，并取得了令人满意的结果。

赛格勒的工具从没有人类输入规则的数据中学习。瑞典哥德堡制药公司对这一成就印象深刻，并表示:“提高合成化学的成功率对提高药物研发的速度和效率以及降低成本大有裨益。”

赛格勒说，新的人工智能工具吸引了制药公司的兴趣。“它已经成为化学家的助手，希望它能为更多像全球定位系统导航设备这样的科学家提供新的研究方法。”

除了大大提高有机化学和药物合成的速度和效率之外，人工智能在哪些基础学科领域也有类似的潜力？对此，张俊平表示:“只要能够通过大量或详尽的搜索来完成任务的领域或行业能够从人工智能的角度找到更有效的方法，甚至是以前没有想到的新方法。”他举了一个例子:“在基础研究领域，人工智能可以在证明数学定理和总结物理规律方面发挥辅助作用。”

因此，具有不同设计思想的人工智能软件有望成为促进科学进步的“高级定制”工具。

张俊平认为，尽管人工智能软件不能完全替代人类，但为不同目的开发的人工智能软件可以提供辅助建议，甚至与人类的决策形成一个混合的、增强的智能回路，从而进一步提高科研路径的设计能力。