《自然通訊》 31日發表的一篇論文報告了一種機器學習模型，它可以部分再現職業化學家在工作場所積累的集體知識，通常被稱為“化學直觀”。研究組認為，該研究今后在藥物開發上會更加有效。

傳統上，藥物和化學的發現依賴于試驗錯誤和研究者積累的知識。使用模擬工具，特別是機器學習，研究者可以更快地發現候選分子，并大幅減少尋找新藥化合物的費用。如果要使用可以預測分子性質的機器，分子必須還原為數學表語，通常包含一系列性質或“特征”。這種以數據為中心的性能預測模型要想成功，掌握正確的特性是關鍵。

在英國的微軟研究院科學智能中心（ai4science）和瑞士的諾華生物醫學研究所聯合組此次35名醫學化學家各自對5000中選擇更偏向分子，再把他們的回答排序游戲機器學習模型的訓練模型分子繼打分。這個分數來自行業內多年積累的知識，幾乎不受其他因素的影響。

這個小組的模型還可以用來改變數學模型的建議，以更好地適應化學家們的集體專業性，這將縮短未來藥物開發的重復時間。

研究人員認為，這種方法可以成為藥物開發中分子建模的補充。

一些科幻小說將外界生物從出生開始就積累的所有知識都包含在內，高度發展文明。人只有長時間學習才能學到知識，積累經驗。這次機器學習了直覺。這是在瞬間移植人類寶貴的經驗。ai對化學產生了革命性的影響。在新材料的發現，正確模擬，合成途徑的優化等方面，可以促進精密化學的快速進步，大幅縮短藥物研究開發的試行錯誤過程。