人工智能一直在為各行各業賦能，提供著新的研究工具。近日，IBM研究院的科學家從一種全新的視角來研究有機化學，并創造性的使用人工智能幫助他們預測有機化學反應的生成。

科學家們通過將化學反應中的原子視為字母、分子視為單詞，隨后利用人工智能語言翻譯算法來實現有機化學反應生成物的預測。這一技術有望極大加速新藥和新材料的研發。

相關論文在剛剛結束的NIPS 2017會議的深度學習分子和材料應用研討會上發表。

在過去的50年里，人們都致力于教會計算機理解化學過程，以便于幫助化學家預測化學反應的生成。但由于有機化學十分復雜，而模擬這樣的化學反應十分耗時結果也比較粗糙。人們一直以來都希望能有一個較好的方法來解決有機反應的模擬問題。

IBM的科學家們在深度學習應用的啟發下，從不同的角度來思考了這一問題。他們利用自然語言處理中的人工智能翻譯程序來對有機化學問題進性處理?！巴ǔＨ斯ぶ悄茏龅氖菍⒂⒄Z翻譯成中文或者德語，但是在我們的研究中，我們讓相同的程序來對化學原子分子進行處理。我們給程序提供了百萬級別的化學反應數據，讓它學習到有機化學的“語言”結構，隨后嘗試著預測出化學反應的可能生成物?！?/p>

論文作者IBM蘇黎世研究員Teodoro Laino 說：“我們希望能通過這一工具為有機化合物設計新的合成路徑。通常合成藥物和其他復雜的有機物是十分困難的工作。這一工作能為有機化學研究帶來飛速的進展，使得商業和學術上都將受益與研究時間的縮短和探索范圍的增加。”

這一新的人工智能程序是一種神經網絡，由很多神經元以一定的形式相互連接而成，在經過大量的數據訓練不斷調整這些連接的權重，以得到更好的結果。通過不斷的學習，神經網絡可以發現解決實際問題的最好模式，這也十分類似有機化學的研究探索過程。類似于小朋友學說話的過程，他們并不知道語法和規則但是一樣會流利的表達，AI一開始對于有機化學一竅不通，但通過學習依然可以預測出化學反應的生成物。

實際過程中，AI可以從多種方式考慮，能根據概率提供多種解決方案，同時能夠達到超過80%的準確率。目前AI能夠處理的分子最大已經包含了150個原子，但理論上來說可以處理的分子大小沒有上限，如果需要可以處理更長的分子。

論文合作者Théophile Gaudin表示未來希望將這一工作部署到云平臺上，供全世界的工程、研究人員使用。同時還要繼續提高算法精度達到90%以上。不同于現在使用較為通用的模型，他們計劃對于不同類的有機物使用更加有針對性的模型來提高精度。

下一步的研究中還將把溫度、溶劑和pH值等因素考慮進來期待進一步提高精度。由于AI并不完美，研究人員們創建這一工具的目的并不是替代有機化學家，而是為化學家們提供一個有力的助手。