不久前,谷歌旗下DeepMind公司的人工智能(artificial intelligence,AI)程序AlphaGo以4:1击败世界围棋冠军、职业九段选手李世石,这被视为AI挑战人类智力的一大进步,AI是否能在智力上超过并代替人类?各种言论刷爆各种社交媒体。不过,化学家们似乎并不担心被AI抢饭碗,化学科研需要大量创新性和跳跃性思维,甚至基于多年经验的直觉,这似乎是AI难以企及的领域。但情况真这么乐观吗?
最近美国哈弗福德学院化学家Alexander J. Norquist、Sorelle A. Friedler和Joshua Schrier领导的研究小组的成果,可能会让化学家们开始担心来自AI的竞争。Norquist等人以《Nature》封面文章的形式报道了一种强大的机器学习算法(machine-learning algorithm),通过使用失败实验的数据(当然也包括成功实验的数据)进行训练,在预测晶体制备策略的比赛中成功率高达89%,打败了经验丰富的人类化学家。(Machine-learning-assisted materials discovery using failed experiments. Nature, DOI: 10.1038/nature17439)
“失败的反应中包含大量未报告和未提取的资料,”Norquist说。“失败反应的数据要比成功反应的多得多,但一般只有成功反应的数据最后被公开。”在论文中,Norquist等人将这些失败的反应称为“暗黑反应(dark reactions)”。
Norquist团队最开始的目标并不复杂——在水热合成反应中,简单地预测一些特定的试剂组合能否生成晶体材料。他们随后进一步收窄了任务范围,仅仅只关注一种无机-有机杂化材料钒亚硒酸盐(templated vanadium selenites)的模板化合成,这种晶体材料包含钒、硒和氧元素,其中有机小分子(如胺)作为“模板”指导这些元素的排列。
研究人员采用了一种标准的机器学习方法,使用了近4,000次不同反应条件下(例如温度、浓度、反应物的量和酸度)合成晶体实验的数据来训练机器学习算法。他们将存档的实验记录本中记载的数据转换成机器可以分析的格式,这些数据包括那些失败的实验。然后,计算机找出区别实验成功或是失败的原则。
Norquist实验室失败实验的实验记录。图片来源:Haverford College
联系客服