有机化学家是研究逆向合成的专家。就像那些从成品菜肴出发，研究“烹饪食谱”的大厨一样，许多有机化学家从他们想要得到的分子的最终结构开始思考如何合成它。但规划如何合成一个新的分子通常是非常困难的过程，需要经历大量的是错，这需要非凡的记忆和超人的耐心。
所以越来越多的化学家希望人工智能（AI）能够帮助他们应对制造复杂分子的挑战：从成百上千个可能的构建块（building blocks）和成千上万种化学规则中选择最优解。近四十年来，化学家们努力搜集已知的化学反应来编写计算机程序，希望创建一个能够快速计算出最简单快捷的合成方案。然而，化学反应是非常微妙的，用二进制的方式写出所有的规则太困难了。
AlphaChem探索不同的化学路径并选择成功率最高的（来源：arXiv）
现在一个新的计算机程序可以在数秒钟内模拟数百万次的化学反应来规划最终的化学合成路线。上海大学量子与分子结构国际中心的Mark Waller教授团队设计了一套新的算法，希望借此可以进一步帮助化学家找到快速精确的合成解决方案。该团队开发的AlphaChem的算法类似于AlphaGo的蒙特卡罗树搜索（Monte Carlo Tree Search，MCTS），将目标分解成数千个可能的节点，在每一步化学反应后评估最有可能成功的下一步，并进一步太多这条“分支”。
Waller团队的MCTS程序将目标分解成数千个可能的节点，在这种情况下是化学转换。在这一步之后，该算法评估哪一个将最有可能取得成功，并进一步探索这个“分支”。AlphaChem拥有一个包含1200万个已知反应的数据库，是一个深层的神经网络程序。它从1200万个已知反应中不断学习，而不是在硬性规则中进行编程。数据库提供的数据越多，AlphaChem可以探索的化学途径就越多，预测合成路线的准确度也就越高。在测试中，Waller的小组使用AlphaChem尝试绘制治疗阿尔茨海默病的药物中间体—苯并吡喃磺酰胺衍生物的六步合成路线。结果AlphaChem在5.4秒内就计算出了与文献反应相同的途径。不过AlphaChem的数据库还缺乏立体化学和天然产物的数据，这两者都是有机合成的核心。
分子信息学和计算化学方面的技术现在非常先进，很难想象一种新的化学合成方法可以完全不依靠计算机辅助，Waller将MCTS应用到有机合成中尤其影响深远。不过AI很难在短期内取代有机化学家，因为化学家们能做的远不止预测反应如何进行这么简单。AI就像GPS导航系统一样，也许能找到一条路，但它不能自行设计和实现完整的解决方案。
论文链接：https://arxiv.org/abs/1708.04202
了解更多最全、最新论文快讯
登录CBG官网（www.chembeango.com）
下载ChemBeanGo APP
CBG资讯 ∣知识就是力量
联系客服
