纳米人-Nature Chemistry：人工智能和机器学习在预测化学合成中的应用前景

Nature Chemistry：人工智能和机器学习在预测化学合成中的应用前景

纳米技术纳米 2020-05-29

近些年间，化学研究和反应探索中自动化得到了更多的关注，但是其中有一些问题仍未得到很好的解决。布里斯托大学Ella M. Gale等对该领域中存在的问题，以及研究者需要从什么角度来解决这些问题进行讨论。

机器学习（Mechine learning）和人工智能（artifical intelligence）在反应预测和逆向合成（retrosynthesis）分析中展现了广泛的应用前景，但是其中的问题同样比较突出，机器学习需要误差较小的数据库，并且数据库中需要相关负面结果，比如一些封存在实验室记录本中从不会发表的研究结果。电子实验记录本（electronic laboratory notebook, ELNs）和借助合成机器人进行高通量实验能够解决数据收集过程，但是仍然需要对化学相关内容进行编码。这些问题在2020年度反应结果与合成路线预测会议（Reaction Outcome and Synthetic Route Prediction）中得以广泛的讨论。会议中主要关注了人工智能开发逆合成分析软件，其中的数据从一些学术界的课题组、较大的工业界公司、小型创新企业中获得。

本文要点：

（1）

一些公司对Monte Carlo搜索方法在逆合成分析中的应用进行介绍，还有一些神经网络与规则生成等方法同样被提出。比如Wiely和CAS就提出了应用自动规则生成的方法开发新颖化合物。其中关键性的用途是对反应产物的预测。对反应结果的预测同样能通过反应过渡态的分析得到。AstraZeneca公司的Per-Ola Norrby对通过分子动力学立场方法对过渡态进行分析，进而对反应中的立体结构实现了比较精确的预测。在一个例子中，通过分析将反应适合的配体种类由1000种缩减至10~20种。

（2）

处理通过逆合成分析方法对反应结果预测，一些对新催化剂进行开发的工具和程序同样得到了发展。布里斯托大学的Natalie Fay提出了通过计算配体描述符筛选催化剂的理论和实验方法。牛津大学的Fernanda Duarte展示了一种开源软件用于筛选能够和金属结合的自组装金属笼结构。

（3）

将来的发展方向在于应用自动合成机器人进行高通量实验。总之，本次会议包含了相关技术和方法，尝试加深机器学习和人工智能在化学反应中的应用。本次会议南扩了学术界和工业界的相关人员，具有多角度的观点，将来学术界和工业界之间的良好合作应该会更有利于该领域更好的发展。