把有机化学分子的组合想成是一个个单词组成的文章，用人工智能（AI）算法进行化学反应预测的方法被研究开发。(MIT Technology Review12月6日)
总结的说，AI首先通过学习39.5万个化学反应后，然后通过自带算法软件预测未知的化学反应。实际上，通过这个系统对专利data base中的反应进行预测，结果是该系统的正确率达到了80.3%并且比其他的所有方法的精度要高6%。
该结果的特征是运用了机械翻译经常使用的neural network，也就是说把化学反应像语言一样进行处理了。具体来说，AI主要抓住以下三块内容
- 运用能预测合成化学中正确反应的SMILES字符串来编辑描述
- 分子结构的倾向
- 原料，反应试剂的反应部位
这也是我们人类在学习有机化学时候需要重点学习思考的三块内容，听起来有点可怕啊。
据说今后的展望或者说目标有
- 正确率提高到90%以上
- 根据有机合成化学领域分类进行反应预测的最佳化。
- 除了在系统中导入化学结构以外，同时引入温度，溶剂，pH等factor进行预测。
- 不仅仅以专利数据库为data base，继续增加其他数据库，让AI学习更多的有机化学反应。
- 从business的观点出发，开发成云服务，让任何需要的人都可以使用。
另外，在反应预测，反应路线选择上，AI并不是独立的，也需要化学家的follow up，开发这个系统的目的不是让AI取代人类，而是帮助化学家们更效率的进行反应合成-来自研发人员的comment。
最近人工智能（AI）这个话题在国内非常火，个人认为如果该系统能够引入Scifinder跟Reaxys的反应数据库的话，那可能就能网罗几乎所有的现有反应。然而另一方面，如果最后完全依靠AI去进行反应路线预测的话，那么我们人类可能就不会太努力去学习新反应方法学的开发，合成等，可能对学生的学习欲望，知识储备会有反效应，这种双刃剑如何能够正面应用，在以后肯定会成为一个社会问题-个人观点。
Interview视频
关联链接
- Artificial Intelligence Predicts Outcomes of Chemical Reactions
- “Found in Translation”: Predicting Outcomes of Complex Organic Chemistry Reactions using Neural Sequence-to-Sequence Models
- Predicting Organic Reaction Outcomes with Weisfeiler-Lehman Network
本文版权属于 Chem-Station化学空间， 欢迎点击按钮分享，未经许可，谢绝转载！
No comments yet.