通過將原子看作字母、將分子理解為單詞，IBM的人工智能軟件正在使用與機器翻譯相同的方法來預(yù)測有機化學(xué)反應(yīng)的結(jié)果，從而加速新藥的研發(fā)。

在過去的50年里，科學(xué)家們試圖教會計算機化學(xué)反應(yīng)的原理，以使得計算機能夠幫助預(yù)測有機化學(xué)反應(yīng)的結(jié)果。然而，有機化學(xué)品有可能非常復(fù)雜，因而對其反應(yīng)過程的模擬可能會非常耗時和不準(zhǔn)確。

相反地，IBM的研究人員采用了通常用于語言翻譯的人工智能(AI)程序，將其應(yīng)用于有機化學(xué)。12月4日，在加利福尼亞州長灘舉行的神經(jīng)信息處理系統(tǒng)會議上，科學(xué)家們詳細(xì)介紹了他們的發(fā)現(xiàn)。相關(guān)研究論文的合作者、位于蘇黎世IBM研究院的Teodoro Laino說：“不是把英文翻譯成德文或中文，而是用同樣的人工智能技術(shù)來處理數(shù)十萬次甚至數(shù)百萬次化學(xué)反應(yīng)，讓其學(xué)習(xí)有機化學(xué)“語言”的基本結(jié)構(gòu)，然后嘗試預(yù)測可能的有機化學(xué)反應(yīng)結(jié)果?！?/p>

“我們希望幫助化學(xué)家設(shè)計新的有機化合物合成路線”，Laino說。合成藥物和其他復(fù)雜有機化合物通常是一項艱巨的任務(wù)，“可能需要30或40個步驟”，他解釋說?！吧虡I(yè)領(lǐng)域一直在尋找捷徑，以跳過幾個步驟，從而縮短時間，提高產(chǎn)量。”

新的AI程序是一個人工神經(jīng)網(wǎng)絡(luò)。在這個網(wǎng)絡(luò)中，被稱為神經(jīng)元的組件利用已有的數(shù)據(jù)合作解決一個問題，比如翻譯句子，然后神經(jīng)網(wǎng)絡(luò)反復(fù)調(diào)整其神經(jīng)元之間的連接，并查看這些新的連接模式是否能夠更好地解決問題。隨著時間的推移，神經(jīng)網(wǎng)絡(luò)會找出哪種模式能夠計算出最好的解決方案，其過程與人腦的學(xué)習(xí)過程非常類似。Laino說：“這種推理和學(xué)習(xí)方式與現(xiàn)實生活中有機化學(xué)家的做法非常相似?！?/p>

一個以某種語言為母語的孩子可能不知道這種語言的各種規(guī)則，但卻知道如何使用這種語言。與此類似，這個新的人工智能軟件永遠不會學(xué)習(xí)有機化學(xué)的工作原理，但仍然可以預(yù)測化學(xué)反應(yīng)的結(jié)果。如果人工智能認(rèn)為化學(xué)反應(yīng)可能有不止一個結(jié)果，它會提供按照可能性大小排名的多種解決方案。

研究論文的聯(lián)合作者、蘇黎世IBM研究院的Philippe Schwaller說：“它可以達到80％的準(zhǔn)確率。Schwaller表示：到目前為止，人工智能處理的最大分子包含150個原子。研究報告的聯(lián)合作者、蘇黎世IBM研究院的Théophile Gaudin說：“如果需要，我們可以使用更長的分子，這在理論上是可行的。”

未來，“我們計劃通過云服務(wù)向大家提供這項服務(wù)，”Gaudin說。“我們也希望達到90％甚至更高的精確度。實現(xiàn)這個目標(biāo)的一種方法是不使用一般的有機化學(xué)模型，而使用更專業(yè)的、專注于特定類別有機化學(xué)反應(yīng)的模型。”

Laino說：此外，未來研究人員可能會將諸如溫度、溶劑和pH值等因素納入AI學(xué)習(xí)的化學(xué)反應(yīng)中。然而，這將需要仔細(xì)檢查所有這些額外數(shù)據(jù)的準(zhǔn)確性。此外，“我們還希望進行社會實驗，從而使我們能夠找到有機化學(xué)專家，并考察我們的模型與他們模型的競爭情況?！盙audin說。由于人工智能還不完善，仍然需要有機化學(xué)家跟進工作。“我們創(chuàng)建這個工具不是用來取代有機化學(xué)家，而是幫助他們，”Laino說。