化學家有了新的實驗助手——人工智能（AI）。隨著深度學習算法的進一步應用，AI計算機程序能幫助藥物化合物等小有機分子產(chǎn)生所需的反應序列，制定合成路徑。

《自然》雜志近日發(fā)表了這種新型工具，化學家們將這一進展視為一個大跨越，其可以加速藥物研發(fā)過程，推動有機化學更迅速發(fā)展。

未參與這項研究的英國曼徹斯特大學設計合成預測工具的帕博羅·卡爾博納爾認為，從論文中看，AI可以掌握相關專業(yè)知識，這是里程碑式的研究。

人工反應備忘錄變身大數(shù)據(jù)

在20世紀80年代之前，許多化學家收集了大量文獻資料、手寫的有用反應、參考索引卡片，以指導合成途徑的設計。

化學家通常會搜索其他人記錄的反應列表，并根據(jù)自己的直覺制定一個逐步產(chǎn)生特定化合物的途徑。

這需要先從想要創(chuàng)建的分子開始分析，比如要用到哪些試劑，是否容易獲得，通過哪些反應序列才能合成它，這被稱為逆合成反應，這種分析往往要消耗數(shù)小時乃至數(shù)天時間。

自20世紀60年代以來，研究人員一直試圖利用計算機來規(guī)劃有機化學合成，但成效不大。隨著人工智能的興起，這些備忘錄自然而然地轉(zhuǎn)向數(shù)據(jù)庫存儲乃至應用。

輕松自學1240萬種反應步驟

德國明斯特大學有機化學家和人工智能研究員馬爾文·賽格勒及其同事開發(fā)的新AI工具，讓深度神經(jīng)網(wǎng)絡學習了目前所有已知的1240萬種單步驟有機化學反應——這使它能預測任何單一步驟中發(fā)生的反應結(jié)果。

賽格勒團隊通過雙盲試驗對該工具進行了測試，并讓經(jīng)驗豐富的化學家來驗證AI設計的合成途徑是否管用。他們向中國的兩個研究機構(gòu)和德國的45位有機化學家展示了9種分子的潛在合成路線圖，讓AI系統(tǒng)提出一種最佳途徑，而人類設計另一種最佳途徑。最終，兩條途徑?jīng)]有明顯區(qū)別。

賽格勒團隊開發(fā)的這一工具，是近年來開發(fā)的使用AI標記潛在化學反應路線的程序之一。最著名的Chematica在2017年5月被德國默克公司購買，韓國蔚山國立科學和技術(shù)研究院的化學家團隊也擁有另一套相關程序。

中國自動化學會混合智能專業(yè)委員會副主任、復旦大學計算機學院張軍平教授日前接受記者采訪時指出，這類預測本質(zhì)上類似“阿爾法狗”在圍棋上采用的技術(shù)，都是通過可搜索海量數(shù)據(jù)的人工智能方法實現(xiàn)的，“所以，它才能在1240萬種分子合成方案中，找到具有潛在可能的結(jié)果供科學家參考”。

AI將成科學家“高級定制”工具

今年3月，測試團隊報告稱，已經(jīng)在實驗室測試了算法中的8條路徑，且都達到了滿意的效果。

賽格勒的工具從數(shù)據(jù)中學習而不需要人類輸入規(guī)則。瑞典哥德堡制藥公司對這項成果印象深刻，并表示：“提高合成化學的成功率，對于提高藥物研發(fā)的速度和效率、降低成本等，都有著巨大的好處?！?/p>

賽格勒說，新的AI工具已經(jīng)引起制藥公司的興趣?！八呀?jīng)成為化學家的助手，希望它能像GPS導航設備那樣，為更多科學家提供新的研究手段。”

除了極大提升有機化學和藥物合成的速度和效率，AI還在哪些基礎學科領域具有類似潛力？對此張軍平說：“只要能通過海量或窮舉搜索來完成任務的領域或行業(yè)，都可能從AI角度找到更有效的辦法，甚至以往經(jīng)驗未曾想到的新辦法?！彼e例：“在基礎研究領域，數(shù)學定理的證明、物理規(guī)律的總結(jié)等，AI都可能起到輔助作用。”

如此一來，不同設計思路的AI軟件，有望成為促進科學進步的“高級定制”工具。

張軍平認為，雖然不能完全替代人類，但基于不同目的開發(fā)的AI軟件，可以提供輔助建議，甚至和人類決策形成混合增強的智能環(huán)，從而進一步提高對科研路徑的設計能力。