化學家有了新的實驗助手——人工智能（AI）。隨著深度學習算法的進一步應用，AI計算機程序能幫助藥物化合物等小有機分子產生所需的反應序列，制定合成路徑。

《自然》雜志近日發表了這種新型工具，化學家們將這一進展視為一個大跨越，其可以加速藥物研發過程，推動有機化學更迅速發展。

未參與這項研究的英國曼徹斯特大學設計合成預測工具的帕博羅·卡爾博納爾認為，從論文中看，AI可以掌握相關專業知識，這是里程碑式的研究。

人工反應備忘錄變身大數據

在20世紀80年代之前，許多化學家收集了大量文獻資料、手寫的有用反應、參考索引卡片，以指導合成途徑的設計。

化學家通常會搜索其他人記錄的反應列表，并根據自己的直覺制定一個逐步產生特定化合物的途徑。

這需要先從想要創建的分子開始分析，比如要用到哪些試劑，是否容易獲得，通過哪些反應序列才能合成它，這被稱為逆合成反應，這種分析往往要消耗數小時乃至數天時間。

自20世紀60年代以來，研究人員一直試圖利用計算機來規劃有機化學合成，但成效不大。隨著人工智能的興起，這些備忘錄自然而然地轉向數據庫存儲乃至應用。

輕松自學1240萬種反應步驟

德國明斯特大學有機化學家和人工智能研究員馬爾文·賽格勒及其同事開發的新AI工具，讓深度神經網絡學習了目前所有已知的1240萬種單步驟有機化學反應——這使它能預測任何單一步驟中發生的反應結果。

賽格勒團隊通過雙盲試驗對該工具進行了測試，并讓經驗豐富的化學家來驗證AI設計的合成途徑是否管用。他們向中國的兩個研究機構和德國的45位有機化學家展示了9種分子的潛在合成路線圖，讓AI系統提出一種最佳途徑，而人類設計另一種最佳途徑。最終，兩條途徑沒有明顯區別。

賽格勒團隊開發的這一工具，是近年來開發的使用AI標記潛在化學反應路線的程序之一。最著名的Chematica在2017年5月被德國默克公司購買，韓國蔚山國立科學和技術研究院的化學家團隊也擁有另一套相關程序。

中國自動化學會混合智能專業委員會副主任、復旦大學計算機學院張軍平教授日前接受記者采訪時指出，這類預測本質上類似“阿爾法狗”在圍棋上采用的技術，都是通過可搜索海量數據的人工智能方法實現的，“所以，它才能在1240萬種分子合成方案中，找到具有潛在可能的結果供科學家參考”。

AI將成科學家“高級定制”工具

今年3月，測試團隊報告稱，已經在實驗室測試了算法中的8條路徑，且都達到了滿意的效果。

賽格勒的工具從數據中學習而不需要人類輸入規則。瑞典哥德堡制藥公司對這項成果印象深刻，并表示：“提高合成化學的成功率，對于提高藥物研發的速度和效率、降低成本等，都有著巨大的好處。”

賽格勒說，新的AI工具已經引起制藥公司的興趣。“它已經成為化學家的助手，希望它能像GPS導航設備那樣，為更多科學家提供新的研究手段。”

除了極大提升有機化學和藥物合成的速度和效率，AI還在哪些基礎學科領域具有類似潛力？對此張軍平說：“只要能通過海量或窮舉搜索來完成任務的領域或行業，都可能從AI角度找到更有效的辦法，甚至以往經驗未曾想到的新辦法。”他舉例：“在基礎研究領域，數學定理的證明、物理規律的總結等，AI都可能起到輔助作用。”

如此一來，不同設計思路的AI軟件，有望成為促進科學進步的“高級定制”工具。

張軍平認為，雖然不能完全替代人類，但基于不同目的開發的AI軟件，可以提供輔助建議，甚至和人類決策形成混合增強的智能環，從而進一步提高對科研路徑的設計能力。