近日，香山科學會議聚焦綠色生態(tài)與化學化工，除了各種前沿化學化工技術之外，人工智能在該領域的應用成為被關注的新議題。

“合成化學過程中的變數太多確實給通量制備和通量反應條件篩選增加了難度。但是在大數據與人工智能時代，這樣的狀況將會大大改變?！敝锌圃荷虾Ｓ袡C化學研究所副所長馬大為在會議上介紹，人工智能有望助力合成化學研究邁上新的臺階。

“勞動密集型”將成過去

“在有機合成領域，合成化學家在上個世紀就號稱給予足夠的學生和經費資助，可以合成任何復雜的有機小分子。但是直到今天，無論是新藥開發(fā)還是新材料發(fā)展，人們發(fā)現過程的決速步驟往往還是化合物的合成?！瘪R大為介紹。

馬大為解釋說，這是因為，盡管化合物性質的評估大部分已進入通量篩選階段，但化學合成仍然停留在手工操作階段。

在化學合成領域，由于不同化學反應條件下的無窮變化，研究人員設計化學合成路線基本上還是依靠手工——在藥物分子合成領域尤其突出。這就讓化學合成更像一種“勞動密集型”工作。

但在人工智能時代，這種狀況將逐漸成為過去。基于大數據與人工智能的計算機程序在輔助研究人員進行化學合成路線設計方面開始變得越來越成熟實用。

去年4月，一個德國研究團隊在《自然》期刊發(fā)表論文稱，他們可以憑借人工智能系統(tǒng)以前所未有的速率進行化學合成分析，這將大大提升科研人員研發(fā)新藥和其他化合物的效率。

根據這篇論文的內容，研究人員利用人工智能系統(tǒng)設計一個分子的合成路線，只需要5秒鐘。馬大為感嘆說，人工去設計的話，5秒鐘都來不及把分子結構看清楚，5分鐘都不一定能把分子設計出來。

南京大學化學化工學院副教授李承輝了解到人工智能算法推薦分子的合成路線后，獲得不少啟發(fā)。他目前也在考慮如何用人工智能幫助他做化學研究。

李承輝前不久發(fā)現一種新的分子內成環(huán)反應，希望了解這種反應是否在其他分子內也存在。按照以前的研究方式，他的工作量會非常大。因為要檢測這種反應是否具有普適性，需要用不同的分子做大量的實驗才行?！叭绻腥斯ぶ悄艿膸椭涂梢杂嗅槍π缘厝プ鲞@件事?！?李承輝說。

開始扮演得力助手

“小通量的反應條件篩選設備已經在一些公司和大學變成常規(guī)武器，大通量的大型反應矩陣機器人已經誕生?！瘪R大為認為，這些設備的普及化有可能為將來的合成化學研究帶來巨大變化，在很大程度上解放了合成化學家的雙手，讓研究人員花更多的時間進行數據分析和反應的頂層設計。

馬大為在接受記者采訪時介紹，人工智能程序用于預測普通的化學小分子合成路線已趨于成熟。即使一些復雜的有機小分子比如藥物分子，由于結構單元比較單一，合成反應并不是很多，人工智能程序可以直接輔助設計出合成路線。這對于初級的研究人員而言，會提供很大幫助。

“現在做藥物合成研究，假如知道一個藥物分子的結構，人工智能系統(tǒng)可以根據它的結構分析出很多種合成路線，并且推薦一個最佳路線?！崩畛休x說，如果是以前，這樣的研究需要非常有經驗的有機化學專家才能實現，但是將來在人工智能的幫助下，從事無機化學的研究人員也可以做到。

而在合成結構比較復雜的目標分子時，比如需要20多個步驟才能合成出來的天然界存在的復雜分子，人工智能程序可以預測出很多條不同的路線。

“研究人員可能只能想出20多個合成路線，而這些程序可能會提供上百條可能的合成路線，這對于研究人員來說非常有幫助，因為有些路線可能從未想過?！瘪R大為說。

馬大為告訴記者，根據人工智能程序提供的預測路線，有經驗的研究人員可以從中判斷出哪些路線是好的，哪些是有提示意義的，進而幫助研究人員思考一些問題。這可以為化學合成提供更多的機會。因為根據人工智能程序的提示，再加上人腦進一步深度思考，可能會設計出更好的化學合成路線。

未來只需“照藥開方”

馬大為認為，上述變化對化學合成來說，意義非常重大。因為將來人工智能程序可能像“傻瓜機”一樣，科研人員在進行化學合成時只需按照它的推薦“照藥開方”。

過去，了解一個化學反應條件是否可行，就是不斷試錯的過程。需要人工一個一個去測試，包含大量的重復性勞動。如今，可以利用人工智能對化學反應數據進行快速檢測，然后在機器上進行通量的反應條件測試，整個系統(tǒng)一天可以做上千個反應條件的測試。換成人工，一個實驗室里每天做20個化學反應測試就已經很不錯了。

馬大為告訴記者，一些大型制藥公司已經將人工智能用于輔助設計化學合成路線，成為此類技術的第一批用戶。除了藥物研發(fā)，新材料研發(fā)等包含化合物合成的領域都可利用人工智能進行化學合成路線推薦。

“將來，合成以往不存在的分子就像蓋房子一樣，先讓人工智能把藍圖描繪出來，研究人員只要按著藍圖去搭建就行?！瘪R大為說。

李承輝也認為，人工智能在化學領域將大有可為。在他看來，未來化學領域的人工智能應用將像人工智能醫(yī)生一樣，它能夠掌握和消化海量合成方法、合成路線、材料結構和性能等，科研人員做化學合成研究時，它可以幫助分析和解決很多問題。

不過總的來說，人工智能扮演的角色仍是輔助性的。它可以將化學研究人員從繁重的手工勞動中解放出來，并為他們的研究提供一些參考和借鑒。但其推薦的結果也需要研究人員利用專業(yè)知識和經驗去判斷，哪些是真正可行的。

此外，人工智能推薦化學合成路線目前仍處于模型機階段。馬大為認為，化學研究人員需要不斷地為人工智能提供一些創(chuàng)新策略，推動人工智能系統(tǒng)不斷優(yōu)化，后者再反過來推動化學研究人員進行更深入的研究。

人工智能機器人助力快速發(fā)現新分子

早在去年，英國格拉斯哥大學的化學家們已經討論了如何訓練一個人工智能有機化學合成機器人來自動探索大量的化學反應。

這種“自我驅動”的系統(tǒng)以機器學習算法為基礎，可以發(fā)現新的反應和分子，允許利用數字化學數據驅動的方法來定位感興趣的新分子，而不是局限于一個已知的數據庫和常規(guī)的有機合成規(guī)則。其結果可能降低發(fā)現新的藥物分子、新化學產品（包括材料）、聚合物及用于高科技應用（如成像）分子的成本。

研究小組通過使用18種不同的起始化學物質的組合來模擬大約1000種反應，展示了該系統(tǒng)的潛力。在探索了大約100種的可能反應后，機器人能夠以超過80％的準確率預測出哪些初始化學物質的組合應該被探索以產生新的反應和分子。通過探索這些反應，他們發(fā)現了一系列以前不為人知的新分子和反應。研究人員發(fā)現了4個新反應，其中一個反應被歸入已知最獨特反應的前1％。

研究者表示，這種方法是化學數字化的關鍵一步，它將允許對化學空間（chemical space）進行實時檢索，從而幫助新藥物的發(fā)現，并削減成本，節(jié)省時間，提高安全性，減少浪費，幫助化學進入一個新的數字時代。