从万千组合中挑出最优配比AI加速化学材料合成

作者 | 王柳茜、陆少游

一 化学材料合成家当及市场情形

合成化学技能在合成材料和合成药物领域中运用较广，但由于不同化学反应条件下的无穷变革，该领域逐步成为劳动密集型行业。
剖析过程中须要大量履历积累，才有可能打通精确的合成路径，而合成步骤太多、产率太低或者本钱过高，使很多剖析结果止步于论文揭橥，真正能够实现商业化，成为一种材料、制药工业方法的则更是百里挑一。

随着大数据和人工智能的发展，AI+化学合成刚刚起步，以上痛点正逐渐被办理。
目前在全体化学合成运用领域中，上游市场关注于合成路线的设计，包括赞助研究职员逆向合成预测、路线筛选等；而中游市场席卷了自动化仪器和机器人平台的开拓；下贱市场集中于医药企业及材料平台的实验室剖析做事、企业集成办理方案等。
上游市场依旧占主体，但下贱市场的研究与运用才是这个行业商业代价的实际产出。
来自于企业的需求，既能丰富中游产品的产出，同时也能够为上游研究的优化供应建议，从而活化全体市场行业。

二 化学材料合成中的人工智能技能机器学习：范例的监督性机器学习模型指利用规律对数据进行预测剖析的算法。
该项技能在化学合成领域中紧张运用于根据已有的化学物的构造剖析出多种合成路线，预测材料化学性子、谱图仿照以及路线的算法优化。

神经网络：在蒙特卡洛树步骤中引入深度神经网络能够提高打算精度与效率。
该项技能在化学合成领域中既可用于探求路径，也可对可能的逆合成路线进行初步筛选，用于演习神经网络的测试集包括了所有过往的有机化学反应。

打算机视觉：打算机视觉指机器代替人眼对目标进行识别、跟踪和丈量。
该项技能在化学合成领域中紧张运用于分子合成中的构造块形态、反应的起始点和节点的识别。

推举系统：推举系统是信息过滤系统的一个子类，它根据系统所设定的条件，借助自身云打算的能力所实现。
该项技能能够帮助化学家在多种合成路径当中筛选出简洁高效的最优方法。

大数据技能：其根本技能包括数据采集、数据预处理及数据库等。
该项技能运用在化学合成领域中包括识别关联的数据集和数据流，创建分子感知的数据构造，并天生、细化和验证模型，并根据数据化的模型结果来提出建议。

机器人技能：在化学合成行业中，机器人技能紧张运用于以机器人实行的自动化合成平台，机器人赞助实行所有合成操作流程，组装连续流动路径，实现自动化合成。
包括自动检测机器人、自动掌握机器人、自动合成机器人。

三 人工智能在化学材料合成领域的运用分布

四 人工智能技能在化学材料合成领域的运用案例

创腾科技（人工智能与分子仿照平台）：平台紧张分为材料仿照打算平台和药物创造与生物大分子打算仿照平台，用“虚拟实验”替代耗时费力的“试错实验”，把握精确的创新方向，为企业极大降落研发投入和风险。
个中的Materials Studio材料仿照软件以可视化视窗界面为核心，涵盖多学科模块；Discovery Studio是基于 Pipeline Pilot构建的分子仿照平台，它做事于生命科学领域的实验生物学家、药归天学家、构造生物学家、打算生物学家和打算化学家，运用于蛋白质构造功能研究，以及药物创造。

Wiley（Chemplanner）：Wiley开拓了一款建立在“大数据”和“机器学习”根本上的化学合成软件Chemplanner。
作为打算机赞助有机合成设计系统，它可以通过云打算帮助化学家在多种合成路径中筛选出简洁高效的最优方法，更主要的是，它能完成从目标产物到可获取的起始质料间的逆合成剖析。
此外，Chemplanner还可以根据须要（如本钱掌握，有无催化剂等）重新设计路线。

美国麻省理工学院（ASKCOS）：这一套可用于化学合成反应的开源软件套件，可以根据演习数据来确定反应的转变和条件是否适宜构筑新的化合物，在系统流程的末了一步中，配方被加载进入机器人平台，机器人操作臂将模块式反应器、分离器和其他处理单元等组装成连续的合成路径进行反应。
新系统能够处理的反应类型从12种上升为30种，最大略的合成过程只需两个小时。

Citrine（智能材料平台）：Citrine通过定制培训内容，培养企业客户自主利用Citrine平台，以便他们可以不断从该技能中得到最大的商业代价，探求范围适宜的第一批项目，识别关联的数据集并传输到Citrine平台，团队可共建一个模型，利用模型结果来建议该当合成和测试哪些候选材料。

德国马克斯-普朗克胶体与界面研究所（自动化径向合成设备）：该设备用于小分子自动化合成，集循环合成和线性合成的上风于一身，不须要在不同工艺之间进行费时费力的手动调度，该系统确保了反应的可重复性，只要输入相同质量的物料，给定的合成指令将在另一个相同系统上以完备相同的办法实行。
反应数据将返回给设备，以便进行深度学习。

五 人工智能在化学材料合成领域运用的局限性

高端人工智能人才缺口：在AI+化学合成领域中，底层方案的鉴别和筛选可以由低级研究职员完成，但是预测路径的开拓、定向合成的优化等步骤，每每须要更高等的技能职员作为总设计师，目前企业和高校缺少体系化的材料/药物+信息学人才培养方案。

缺少完善的商业机制：目前，人工智能+化学合成的开拓更多勾留在实验室阶段，市场并未形成清晰的家当链互助办法，数据共享机制不敷、设备接口分歧一。
这造就来自不同化学合成市场层级的商业模式分歧一，发展速率较缓。

六 人工智能在化学材料合成领域的发展趋势

绿色合成：未来的合成化学将更加强调原子的经济性，实现绿色合成的目标，这将紧张依赖对反应机制的深入研究。
通过对反应目标在基元步骤和原子层面的认识，探求得当的催化剂，通过特定化学键的选择性活化，实现原子水平的精准操控，AI在该领域的深度发展将须要底层学科的助力。

化学合成与生物合成的结合：生物合成利用基因剪接构建遗传密码，让细胞来完成设计职员设想的各种任务，以期利用合成研究职员所需的生物质料、新药和改进的药物。
合成化学与合成生物学比较较而言，前者的紧张上风在于构造的可变性，而后者的紧张上风在于过程的经济性。
两个学科领悟可综合两方上风，使物质合成具有更高的效率与更多样的构造。