（科研資訊）如何用AlphaGo設計材料合成實驗

AlphaGo下圍棋連挫頂尖高手最終孤獨求敗的故事幾乎家喻戶曉。這也引發了大家對人工智慧的能力的廣泛思考。在科學研究領域，比如說合成實驗設計，傳統的做法不外乎是依靠經驗不斷的嘗試。 縱然會有一些熱力學基本規律作為指導和參考，可是每一個合成化學的從業人員都知道，合成過程中往往就是一個一個的嘗試。大家從小都知道愛迪生髮現燈泡燈絲的勵志故事，愛迪生嘗試了3000種失敗的材料才發現真正正確的材料。殊不知這也是科研無奈辛苦一面的真實體現，有幾個科研人員有閒情逸緻去做3000個失敗的實驗？浪費無數的資源和樣品？那麼，我們是否可以利用人工智慧的方法讓計算機自動幫我們設計可行的化學反應呢？

看過鋼鐵俠的朋友們都知道，鋼鐵俠設計自己鎧甲的時候只需要和一個siri一樣的機器人聊天，先是拖出一張元素周期表：

然後就看見鋼鐵俠隨便選了兩個元素(Ce和Po)，帥氣的擺了幾個造型，然後就把一團元氣彈之類的東西放進了一個鋼鐵俠鎧甲的雛形里，過了一段時間，鎧甲就自動合成好了。

相信每一個人都會知道這是假的，可是科研的魅力不就是讓這些看上去很假的東西變成現實么？而要實現這些過程的最核心的一步當然不是帥氣的pose，酷炫的VR技術，而是需要有一個強大的AI，能夠根據選取的最基本材料性質的需求而自行設計化學反應。而這一切目前來說都不再那麼科幻。

近期science和nature接連發表了文章報道了利用人工智慧預測指導複雜的有機化學反應合成的過程。其中science的文章來自與普林斯頓大學月新澤西當地的一個公司Merck

Sharp & Dohme Cooperation.

而nature的文章來自於德國，英國的科學家。相對於science的文章，這篇nature所涉及的反應類型更為全面。基於1000多萬個已知的化學反應，利用神經網路引擎，這套設計的AI已經可以根據給出的產物來設計對應有機合成反應。

其實有機化學根據生成物逆向退出反應物在有機化學合成中的相關理論，早在20世紀就已經被哈佛大學的E. J Corey教授提出，他因此還得了1990年的諾貝爾化學獎。而近幾年機器學習和神經網路等技術的興起，從新激活了大家對這個方向的興趣。

無獨有偶，在無機化學領域，雖然材料的分子式沒有有機化學那麼複雜。可是材料的成分和組元設計同樣是複雜和繁瑣的。很多做合成的人其實都會感覺自己合成材料就好比做中餐，知道要加某種元素「少許」，卻沒有人能夠說清楚少許到底是多少。為了改變這種炒菜式的材料設計模式，MIT和UCB等大學的團隊同樣也在設計相關的資料庫和機器學習引擎。一些初步的結果也已經發表在能源材料的權威期刊Chemistry

介於目前能源材料領域的火爆形式，有大量的合成相關文章湧現在各種知名刊物上，這也給機器學習提供了巨大的樣本基礎。相信通過這些課題組的努力，美國好萊塢大片裡面材料設計的場景不再只是人們的幻想！

################################################################

十分感謝大家的關注，這是幾個在美國和加拿大從事材料研究的博士和博士後一起辦的專欄，主要為了和大家交流和分享一些北美留學生活以及科研經驗。請大家多多關注支持，今後會持續更新相關的內容。也非常歡迎同行們的投稿和建議。

################################################################