人工智能+化学：人工智能使化学家更容易制造新药

在制造新药物时，预测某些化学品如何一起反应是困难的。现在，人工智能可以准确建模这些反应。

预测反应

在实验室混合化学品并不像在电视上看起来那么容易。研究人员不能将所有东西都倒入一个烧杯中，并希望获得最佳效果。开发一种新的化合物，比如说一种新药，要获得最高产量，需要化学药品的最佳组合。

虽然找到理想的混合物不是一件容易的事，但由普林斯顿大学和默克研究实验室的研究人员设计的人工智能（AI）也许能够提供帮助。根据科学杂志上发表的研究，该团队的机器学习算法可以准确预测化学反应产量。

普林斯顿大学研究人员JesúsEstrada在一篇新闻稿中表示：“许多机器学习算法已经存在了相当长的一段时间。“然而，在合成有机化学领域，我们还没有找到机器学习提供的令人兴奋的机会。”

当分析不同反应的结果时，化学家通常会一次更改一个变量。因此，团队的算法——可以在同时修改四个不同组件的同时预测结果，这代表着巨大的飞跃。

机器学习改进 

多维模型的最大障碍之一，即团队的新AI使用的种类，正在计算每种化学品的“描述符”。描述符是一个输入值，它表示每种化学物质的信息——它具有多少键，分子量，它看起来像什么的几何形状，并且计算每个描述符是非常耗时的。

研究人员知道，逐个计算每个描述符对于他们想要使用的大量化学组合来说是不切实际的。所以他们使用了一个基于现有程序Spartan的代码来计算并提取每种化学品的描述符。

随着手上的描述符，研究人员随后用各种模型对其进行测试。他们决定使用所谓的“随机森林”模型的机器学习程序，该模型通过使用来自小数据集的随机样本来构建决策树。通过对每棵树预测的给定反应的产量结果计算平均值，该模型会得出总体产量预测。

此外，研究人员Derek Ahneman解释说，随机森林可以准确预测仅有一百次反应结果的反应产率。它甚至可以预测最初未包含在训练集中的化合物的产量。

简而言之，机器学习算法能够处理普通化学家无法处理的数据。

研究人员希望他们的算法能够简化制造合成化合物的过程，特别是在开发新药方面。为了帮助其他化学家，他们已经使该软件可供其他实验室使用。普林斯顿大学A. Barton Hepburn化学教授Abigail Doyle在一份声明中说：“我们开发的软件可以用于任何反应，任何底物。”

根据多伊尔的说法，大量资源和时间都用于制造合成分子，而这些分子常常是以特别的方式进行的。AI可以改变这一点。使用这种新软件，化学家可以比以往更便宜、更高效地确定化学品和底物的高产组合。