AI+化学，解放化学工程师的双手

近日，香山科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，人工智能在该领域的应用成为被关注的新议题。

“合成化学过程中的变数太多确实给通量制备和通量反应条件筛选增加了难度。但是在大数据与人工智能时代，这样的状况将会大大改变。”中科院上海有机化学研究所副所长马大为在会议上介绍，人工智能有望助力合成化学研究迈上新的台阶。

“劳动密集型”将成过去

“在有机合成领域，合成化学家在上个世纪就号称给予足够的学生和经费资助，可以合成任何复杂的有机小分子。但是直到今天，无论是新药开发还是新材料发展，人们发现过程的决速步骤往往还是化合物的合成。”马大为介绍。

马大为解释说，这是因为，尽管化合物性质的评估大部分已进入通量筛选阶段，但化学合成仍然停留在手工操作阶段。

在化学合成领域，由于不同化学反应条件下的无穷变化，研究人员设计化学合成路线基本上还是依靠手工——在药物分子合成领域尤其突出。这就让化学合成更像一种“劳动密集型”工作。

但在人工智能时代，这种状况将逐渐成为过去。基于大数据与人工智能的计算机程序在辅助研究人员进行化学合成路线设计方面开始变得越来越成熟实用。

去年4月，一个德国研究团队在《自然》期刊发表论文称，他们可以凭借人工智能系统以前所未有的速率进行化学合成分析，这将大大提升科研人员研发新药和其他化合物的效率。

根据这篇论文的内容，研究人员利用人工智能系统设计一个分子的合成路线，只需要5秒钟。马大为感叹说，人工去设计的话，5秒钟都来不及把分子结构看清楚，5分钟都不一定能把分子设计出来。

南京大学化学化工学院副教授李承辉了解到人工智能算法推荐分子的合成路线后，获得不少启发。他目前也在考虑如何用人工智能帮助他做化学研究。

李承辉前不久发现一种新的分子内成环反应，希望了解这种反应是否在其他分子内也存在。按照以前的研究方式，他的工作量会非常大。因为要检测这种反应是否具有普适性，需要用不同的分子做大量的实验才行。“如果有人工智能的帮助，就可以有针对性地去做这件事。” 李承辉说。

开始扮演得力助手

“小通量的反应条件筛选设备已经在一些公司和大学变成常规武器，大通量的大型反应矩阵机器人已经诞生。”马大为认为，这些设备的普及化有可能为将来的合成化学研究带来巨大变化，在很大程度上解放了合成化学家的双手，让研究人员花更多的时间进行数据分析和反应的顶层设计。

马大为在接受记者采访时介绍，人工智能程序用于预测普通的化学小分子合成路线已趋于成熟。即使一些复杂的有机小分子比如药物分子，由于结构单元比较单一，合成反应并不是很多，人工智能程序可以直接辅助设计出合成路线。这对于初级的研究人员而言，会提供很大帮助。

“现在做药物合成研究，假如知道一个药物分子的结构，人工智能系统可以根据它的结构分析出很多种合成路线，并且推荐一个最佳路线。”李承辉说，如果是以前，这样的研究需要非常有经验的有机化学专家才能实现，但是将来在人工智能的帮助下，从事无机化学的研究人员也可以做到。

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存在的复杂分子，人工智能程序可以预测出很多条不同的路线。

“研究人员可能只能想出20多个合成路线，而这些程序可能会提供上百条可能的合成路线，这对于研究人员来说非常有帮助，因为有些路线可能从未想过。”马大为说。

马大为告诉记者，根据人工智能程序提供的预测路线，有经验的研究人员可以从中判断出哪些路线是好的，哪些是有提示意义的，进而帮助研究人员思考一些问题。这可以为化学合成提供更多的机会。因为根据人工智能程序的提示，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。

未来只需“照药开方”

马大为认为，上述变化对化学合成来说，意义非常重大。因为将来人工智能程序可能像“傻瓜机”一样，科研人员在进行化学合成时只需按照它的推荐“照药开方”。

过去，了解一个化学反应条件是否可行，就是不断试错的过程。需要人工一个一个去测试，包含大量的重复性劳动。如今，可以利用人工智能对化学反应数据进行快速检测，然后在机器上进行通量的反应条件测试，整个系统一天可以做上千个反应条件的测试。换成人工，一个实验室里每天做20个化学反应测试就已经很不错了。

马大为告诉记者，一些大型制药公司已经将人工智能用于辅助设计化学合成路线，成为此类技术的第一批用户。除了药物研发，新材料研发等包含化合物合成的领域都可利用人工智能进行化学合成路线推荐。

“将来，合成以往不存在的分子就像盖房子一样，先让人工智能把蓝图描绘出来，研究人员只要按着蓝图去搭建就行。”马大为说。

李承辉也认为，人工智能在化学领域将大有可为。在他看来，未来化学领域的人工智能应用将像人工智能医生一样，它能够掌握和消化海量合成方法、合成路线、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。

不过总的来说，人工智能扮演的角色仍是辅助性的。它可以将化学研究人员从繁重的手工劳动中解放出来，并为他们的研究提供一些参考和借鉴。但其推荐的结果也需要研究人员利用专业知识和经验去判断，哪些是真正可行的。

此外，人工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，化学研究人员需要不断地为人工智能提供一些创新策略，推动人工智能系统不断优化，后者再反过来推动化学研究人员进行更深入的研究。

人工智能机器人助力快速发现新分子

早在去年，英国格拉斯哥大学的化学家们已经讨论了如何训练一个人工智能有机化学合成机器人来自动探索大量的化学反应。

这种“自我驱动”的系统以机器学习算法为基础，可以发现新的反应和分子，允许利用数字化学数据驱动的方法来定位感兴趣的新分子，而不是局限于一个已知的数据库和常规的有机合成规则。其结果可能降低发现新的药物分子、新化学产品(包括材料)、聚合物及用于高科技应用(如成像)分子的成本。

研究小组通过使用18种不同的起始化学物质的组合来模拟大约1000种反应，展示了该系统的潜力。在探索了大约100种的可能反应后，机器人能够以超过80%的准确率预测出哪些初始化学物质的组合应该被探索以产生新的反应和分子。通过探索这些反应，他们发现了一系列以前不为人知的新分子和反应。研究人员发现了4个新反应，其中一个反应被归入已知最独特反应的前1%。

研究者表示，这种方法是化学数字化的关键一步，它将允许对化学空间(chemical space)进行实时检索，从而帮助新药物的发现，并削减成本，节省时间，提高安全性，减少浪费，帮助化学进入一个新的数字时代。