化学家有了新的实验助手——人工智能（AI）。随着深度学习算法的进一步应用，AI计算机程序能帮助药物化合物等小有机分子产生所需的反应序列，制定合成路径。

《自然》杂志近日发表了这种新型工具，化学家们将这一进展视为一个大跨越，其可以加速药物研发过程，推动有机化学更迅速发展。

未参与这项研究的英国曼彻斯特大学设计合成预测工具的帕博罗·卡尔博纳尔认为，从论文中看，AI可以掌握相关专业知识，这是里程碑式的研究。

人工反应备忘录变身大数据

在20世纪80年代之前，许多化学家收集了大量文献资料、手写的有用反应、参考索引卡片，以指导合成途径的设计。

化学家通常会搜索其他人记录的反应列表，并根据自己的直觉制定一个逐步产生特定化合物的途径。

这需要先从想要创建的分子开始分析，比如要用到哪些试剂，是否容易获得，通过哪些反应序列才能合成它，这被称为逆合成反应，这种分析往往要消耗数小时乃至数天时间。

自20世纪60年代以来，研究人员一直试图利用计算机来规划有机化学合成，但成效不大。随着人工智能的兴起，这些备忘录自然而然地转向数据库存储乃至应用。

轻松自学1240万种反应步骤

德国明斯特大学有机化学家和人工智能研究员马尔文·赛格勒及其同事开发的新AI工具，让深度神经网络学习了目前所有已知的1240万种单步骤有机化学反应——这使它能预测任何单一步骤中发生的反应结果。

赛格勒团队通过双盲试验对该工具进行了测试，并让经验丰富的化学家来验证AI设计的合成途径是否管用。他们向中国的两个研究机构和德国的45位有机化学家展示了9种分子的潜在合成路线图，让AI系统提出一种最佳途径，而人类设计另一种最佳途径。最终，两条途径没有明显区别。

赛格勒团队开发的这一工具，是近年来开发的使用AI标记潜在化学反应路线的程序之一。最著名的Chematica在2017年5月被德国默克公司购买，韩国蔚山国立科学和技术研究院的化学家团队也拥有另一套相关程序。

中国自动化学会混合智能专业委员会副主任、复旦大学计算机学院张军平教授日前接受科技日报记者采访时指出，这类预测本质上类似“阿尔法狗”在围棋上采用的技术，都是通过可搜索海量数据的人工智能方法实现的，“所以，它才能在1240万种分子合成方案中，找到具有潜在可能的结果供科学家参考”。

AI将成科学家“高级定制”工具

今年3月，测试团队报告称，已经在实验室测试了算法中的8条路径，且都达到了满意的效果。

赛格勒的工具从数据中学习而不需要人类输入规则。瑞典哥德堡制药公司对这项成果印象深刻，并表示：“提高合成化学的成功率，对于提高药物研发的速度和效率、降低成本等，都有着巨大的好处。”

赛格勒说，新的AI工具已经引起制药公司的兴趣。“它已经成为化学家的助手，希望它能像GPS导航设备那样，为更多科学家提供新的研究手段。”

除了极大提升有机化学和药物合成的速度和效率，AI还在哪些基础学科领域具有类似潜力？对此张军平说：“只要能通过海量或穷举搜索来完成任务的领域或行业，都可能从AI角度找到更有效的办法，甚至以往经验未曾想到的新办法。”他举例：“在基础研究领域，数学定理的证明、物理规律的总结等，AI都可能起到辅助作用。”

如此一来，不同设计思路的AI软件，有望成为促进科学进步的“高级定制”工具。

张军平认为，虽然不能完全替代人类，但基于不同目的开发的AI软件，可以提供辅助建议，甚至和人类决策形成混合增强的智能环，从而进一步提高对科研路径的设计能力。