人工智能学习化学语言以预测如何制作药物

研究人员设计了一种机器学习算法，该算法比受过训练的化学家更准确地预测化学反应的结果，并提出了制造复杂分子的方法，从而消除了药物开发中的重大障碍。

剑桥大学的研究人员表明，该算法可以预测复杂化学反应的结果，准确率超过90%，优于训练有素的化学家。该算法还向化学家展示了如何制备目标化合物，从而将化学“图谱”提供给所需的目标。在ACS中央科学和化学通讯杂志上的两项研究中报道了结果。

药物发现和材料科学中的一个主要挑战是找到通过化学方法将更简单的结构单元化学结合在一起来制造复杂的有机分子的方法。问题在于这些构建基块经常以意外的方式做出反应。

负责这项研究的剑桥大学卡文迪许实验室的Alpha Lee博士说：“制造分子通常被描述为通过反复试验而实现的技术，因为我们对化学反应性的了解还远远不够。” “机器学习算法可以更好地理解化学，因为它们可以从数百万已发表的化学反应中提炼出反应性模式，而这是化学家无法做到的。”

Lee及其小组开发的算法使用模式识别工具，通过对专利中发表的数百万种反应进行训练的模型来识别分子中的化学基团如何反应。

研究人员将化学反应预测视为机器翻译问题。反应的分子被认为是一种语言，而产物被认为是另一种语言。然后，模型使用文本中的模式来学习如何在两种语言之间进行翻译。

使用这种方法，该模型在预测看不见的化学反应的正确产物时可达到90%的准确性，而受过训练的人类化学家的准确性约为80%。研究人员说，该模型足够准确，可以检测数据中的错误并正确预测过多的困难反应。