Nature：人工智慧走進化學實驗室，可將合成路線設計速度提高30倍！

葯明康德/報道

近日，來自上海大學的Mark Waller教授及其團隊進行了一項新研究，應用深層神經網路及人工智慧演算法，來規劃新的化學合成路線。這一研究成果已經發表在了最新一期的《自然》雜誌上。

▲逆合成分析法示意圖（圖片來源：Wikimedia Commons）

逆合成分析法是當今有機合成化學的重要手段之一，於20世紀60年代由哈佛大學教授E. J. Corey提出。這種方法揭示了如何將所需分子分解為更簡單的化學構建塊，然後化學家可以採取必要的反應步驟，用這些簡單的結構單元製備所需的分子，用於製造藥物和其他產品。Corey教授因發現這一技術，獲得了1990年的諾貝爾化學獎。

過去，科學家們一直使用計算機輔助有機合成的方式，來完成逆合成分析過程。儘管這種方法可以提高合成效率，然而傳統的計算機輔助方式合成速度仍然較慢，且提供的分子質量參差不齊。人類還是需要手動搜索化學反應資料庫，來找到製造分子的最佳方法。

為了解決這一問題，Waller教授團隊使用蒙特卡洛樹搜索（Monte Carlo tree search，MCTS）和與指導搜索的擴展策略網路以及篩選網路相結合，形成了一種新的人工智慧演算法。研究人員使用2015年之前發布的所有化學反應作為數據，來對這種新型演算法進行訓練，讓這種演算法可以自己學習一套「規則」，來預測那些並未包含在訓練數據集中的小分子合成路線。

▲和兩種傳統合成方法相比（紅色和綠色），使用新型人工智慧演算法（藍色）在較短時限內可以完成更多分子的合成路線預測（圖片來源：《Nature》）

研究結果表明，這種新型的演算法在單個分子限制時間為5秒鐘的情況下，能夠對測試集中80%的分子合成路線進行預測。當單個分子用時限制延長至60秒時，新型演算法預測分子合成路線的比例達到了92%。這一結果比傳統的計算機輔助合成路線設計加快了近30倍。並且在隨後進行的雙盲測試中，化學家們無法針對同一個分子，對演算法預測出的合成路線以及原始文獻中的合成路線進行有效區分，從側面說明了這種新型演算法預測的準確性。

▲這項研究的負責人Mark Waller博士（圖片來源：Wallerlab）

「在過去的60年里，科學家們一直試圖通過人工編碼的方式，將合成規則指定給計算機，」Waller博士在論文中寫道：「和傳統方法不同的是，我們使用了具備規劃能力、符號象徵能力及自動化學習能力的強大演算法，這對於計算機能否在化學合成中發揮輔助作用至關重要。而這一技術也為滿足人類在農業、醫療及材料科學等領域的需求奠定了堅實的基礎。」

隨著人工智慧技術的不斷發展，其已經開始在化學合成領域發揮強大的作用。我們也希望，未來的人工智慧可以在更加多樣的科研領域內，實現越來越多的突破。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！