近日，香山科（kē）学会议聚焦绿色生态与化学化工，除了各种前沿化学化工技术之外，人工（gōng）智能在该领（lǐng）域的（de）应（yīng）用成为（wéi）被关注的（de）新议（yì）题。“合成（chéng）化学过程中的变数太多确实（shí）给通量制备和通量反应条件筛选增（zēng）加了难度。但是在（zài）大数据与人工智（zhì）能时代，这样的状（zhuàng）况将会（huì）大大改变。”中科院上海（hǎi）有机（jī）化学研（yán）究所副所（suǒ）长（zhǎng）马大（dà）为（wéi）在会议上介绍，人工智能有（yǒu）望（wàng）助（zhù）力合成化学（xué）研（yán）究（jiū）迈上（shàng）新的台阶（jiē）。

开始扮演得力（lì）助手

马大（dà）为介绍，人工智能程序用于预测普通的（de）化学小分子合（hé）成路线已趋于成熟。即使（shǐ）一些复杂的有机（jī）小（xiǎo）分（fèn）子（zǐ）比如药物分子，由于（yú）结构单元比较单一（yī），合成反应并不是（shì）很（hěn）多（duō），人工智能程序可（kě）以直接辅助设（shè）计出合成路线。设备的普及化有可能为将来的合成化学研究带来（lái）巨大变化（huà），在很大程度上解放了合（hé）成化学家的双手，让（ràng）研究人员花更多（duō）的时间进行数据分析（xī）和反应的顶层（céng）设计。

现在做药物合成（chéng）研究，假如知道一（yī）个药（yào）物分子（zǐ）的结构（gòu），人工（gōng）智能（néng）系统（tǒng）可以根据它的结（jié）构（gòu）分析（xī）出（chū）很多种合成路线，并且推（tuī）荐一个最佳路线。这（zhè）样的研究需要非常（cháng）有经验的有机化学专（zhuān）家才（cái）能实现，但是将来在人工智能（néng）的帮助下，从事无机化学的研究人员也（yě）可以（yǐ）做到。而在合成结构比较复杂的目标分子时，比如需要20多个步骤才能合成出来的天然界（jiè）存在的（de）复杂（zá）分子，人工智能程序可以预测出很多条（tiáo）不同（tóng）的路线。

马大为表示，根据人工智能（néng）程序提供（gòng）的预测路线，进而帮（bāng）助（zhù）研究人员思考一些问（wèn）题。这可以为化（huà）学合成（chéng）提供（gòng）更多的机会。因为根据（jù）人工智能（néng）程序的提示（shì），再加上人脑进一步深度思考，可能会设计出更好的化学合成路线（xiàn）。

“劳动（dòng）密集型（xíng）”将成过去（qù）

基（jī）于大数据与人工智能的计算机（jī）程序在辅助研究（jiū）人员进行化学（xué）合成路线（xiàn）设计方面开始（shǐ）变得越来越成熟（shú）实用。去（qù）年4月（yuè），一（yī）个德国研究团队在《自（zì）然》期（qī）刊（kān）发表论文称，他们可以凭借（jiè）人工智能系统以（yǐ）前所未有的速（sù）率进行化学（xué）合（hé）成分（fèn）析，这（zhè）将大大（dà）提升科研人员（yuán）研（yán）发新药和其（qí）他化合物的效率。

南京大学化学化（huà）工学（xué）院副教授（shòu）李承辉了解到人工智（zhì）能算法（fǎ）推（tuī）荐分子的合成路（lù）线后，获得不少启发。前不（bú）久发现一（yī）种新的分子内（nèi）成（chéng）环反（fǎn）应，希望了解这（zhè）种（zhǒng）反应是（shì）否在其他（tā）分子（zǐ）内（nèi）也存在。按照以前的研究方式，他的工作量会非（fēi）常大。因为要检测（cè）这种反应是否具有普适性，需要用不同的（de）分子（zǐ）做大量的实验（yàn）才行。“如果有人工智能的帮（bāng）助，就可以有（yǒu）针对性地去做这件事。” 李承辉说。

未来只（zhī）需“照药（yào）开方”

过去，了（le）解一个化学反应（yīng）条件是否可行（háng），就是不断试错（cuò）的过程。需（xū）要人工一个（gè）一个去测试，包含（hán）大量（liàng）的重复性劳动。如今，可（kě）以利用人工（gōng）智能（néng）对化学反应数据进（jìn）行快速检测，然后在机器上（shàng）进行通量（liàng）的（de）反应（yīng）条件（jiàn）测试，整个系统一天可（kě）以做上千个（gè）反（fǎn）应条件的测试。换成人工，一（yī）个实（shí）验室里每天做20个化（huà）学反应测试就已（yǐ）经很不错了（le）。未来化学（xué）领（lǐng）域（yù）的人工智能（néng）应（yīng）用将像（xiàng）人工智能医生一样，它能够掌握和消化海量合成方法（fǎ）、合（hé）成路线、材料结构和性能等，科研人员做化学合成研究时，它可以帮助分析和解决很多问题（tí）。

不过总的来说，人（rén）工智能（néng）扮（bàn）演的（de）角色仍是辅助性的。它可以将（jiāng）化学（xué）研究人员（yuán）从繁重的手工劳动（dòng）中解放出来，并为他们的研究提（tí）供一（yī）些参（cān）考和借鉴。但其推荐的结果也需要（yào）研（yán）究人员利用专业（yè）知识和经验（yàn）去判断，哪（nǎ）些是（shì）真正可行的。此外，人工（gōng）智能推荐化学合成路线目前仍处于模型机阶段。马大为认为，化学研（yán）究人（rén）员（yuán）需要不断地为人工智能提供（gòng）一些创新（xīn）策略，推动人工智（zhì）能系（xì）统不断优化，后者再反（fǎn）过来推（tuī）动（dòng）化学研究人（rén）员进行更深入的研究。

人工智（zhì）能机器（qì）人助力快速发现新分子

早在（zài）去年，英国格（gé）拉斯哥大学的化（huà）学家们已经讨论了如（rú）何训练一个人（rén）工智能有机化学（xué）合成机器人（rén）来自动探索大量的化学反应（yīng）。

研究小组通过使用18种（zhǒng）不同的（de）起（qǐ）始化学物质的组合来模拟大约1000种反应（yīng），展示了（le）该系统的潜力。在探索了（le）大约100种的可能反应后，机器人能够以超（chāo）过80%的准确率预测（cè）出哪些初始化学物质（zhì）的组（zǔ）合应该被探索以产生新的（de）反应（yīng）和分子。通过探索这些反应，他（tā）们发现了一系列以（yǐ）前（qián）不为（wéi）人知的（de）新分子和反应（yīng）。研究人员发现了4个（gè）新反应，其中一个（gè）反应被归（guī）入已（yǐ）知最独特反应的前1%。

研究者表示，这（zhè）种方法是化学数字化的（de）关（guān）键（jiàn）一步，它将允（yǔn）许对化（huà）学空（kōng）间（chemical space）进行（háng）实时检索（suǒ），从而帮助新药物的发现（xiàn），并削减成（chéng）本，节（jiē）省时（shí）间（jiān），提高安（ān）全性，减少浪费（fèi），帮助化（huà）学进入一个新的数字时代。