在化工領(lǐng)域，對(duì)化合物性質(zhì)的評(píng)估（分子診斷）已經(jīng)進(jìn)入通量篩選階段，但是化學(xué)合成這一步驟仍停留在手工操作階段。研究人員需要投入大量的時(shí)間精力，才能分析出正確的化學(xué)合成路徑，但是人工合成產(chǎn)率較低、試錯(cuò)成本過(guò)高，導(dǎo)致合成化學(xué)技術(shù)在藥物、材料領(lǐng)域中的商業(yè)應(yīng)用價(jià)值不足。因此，引入AI+化學(xué)合成尤為重要，利用人工智能的逆合成分析、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)，預(yù)測(cè)合成路徑，通量篩選，快速尋找到最有潛力的合成路徑。

作者 | 王柳茜、陸少游

一、化學(xué)材料合成產(chǎn)業(yè)及市場(chǎng)情況

合成化學(xué)技術(shù)在合成材料和合成藥物領(lǐng)域中應(yīng)用較廣，但由于不同化學(xué)反應(yīng)條件下的無(wú)窮變化，該領(lǐng)域慢慢成為勞動(dòng)密集型行業(yè)。分析過(guò)程中需要大量經(jīng)驗(yàn)積累，才有可能打通正確的合成路徑，而合成步驟太多、產(chǎn)率太低或者成本過(guò)高，使很多分析結(jié)果止步于論文發(fā)表，真正能夠?qū)崿F(xiàn)商業(yè)化，成為一種材料、制藥工業(yè)方法的則更是鳳毛麟角。

隨著大數(shù)據(jù)和人工智能的發(fā)展，AI+化學(xué)合成剛剛起步，以上痛點(diǎn)正逐漸被解決。目前在整個(gè)化學(xué)合成應(yīng)用領(lǐng)域中，上游市場(chǎng)關(guān)注于合成路線的設(shè)計(jì)，包括輔助研究人員逆向合成預(yù)測(cè)、路線篩選等；而中游市場(chǎng)囊括了自動(dòng)化儀器和機(jī)器人平臺(tái)的開發(fā)；下游市場(chǎng)集中于醫(yī)藥企業(yè)及材料平臺(tái)的實(shí)驗(yàn)室分析服務(wù)、企業(yè)集成解決方案等。上游市場(chǎng)依舊占主體，但下游市場(chǎng)的研究與應(yīng)用才是這個(gè)行業(yè)商業(yè)價(jià)值的實(shí)際產(chǎn)出。來(lái)自于企業(yè)的需求，既能豐富中游產(chǎn)品的產(chǎn)出，同時(shí)也能夠?yàn)樯嫌窝芯康膬?yōu)化提供建議，從而活化整個(gè)市場(chǎng)行業(yè)。

二、化學(xué)材料合成中的人工智能技術(shù)

機(jī)器學(xué)習(xí)：典型的監(jiān)督性機(jī)器學(xué)習(xí)模型指利用規(guī)律對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析的算法。該項(xiàng)技術(shù)在化學(xué)合成領(lǐng)域中主要應(yīng)用于根據(jù)已有的化學(xué)物的結(jié)構(gòu)分析出多種合成路線，預(yù)測(cè)材料化學(xué)性質(zhì)、譜圖模擬以及路線的算法優(yōu)化。

神經(jīng)網(wǎng)絡(luò)：在蒙特卡洛樹步驟中引入深度神經(jīng)網(wǎng)絡(luò)能夠提高計(jì)算精度與效率。該項(xiàng)技術(shù)在化學(xué)合成領(lǐng)域中既可用于尋找路徑，也可對(duì)可能的逆合成路線進(jìn)行初步篩選，用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的測(cè)試集包括了所有過(guò)往的有機(jī)化學(xué)反應(yīng)。

計(jì)算機(jī)視覺(jué)：計(jì)算機(jī)視覺(jué)指機(jī)器代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量。該項(xiàng)技術(shù)在化學(xué)合成領(lǐng)域中主要應(yīng)用于分子合成中的結(jié)構(gòu)塊形態(tài)、反應(yīng)的起始點(diǎn)和節(jié)點(diǎn)的識(shí)別。

推薦系統(tǒng)：推薦系統(tǒng)是信息過(guò)濾系統(tǒng)的一個(gè)子類，它根據(jù)系統(tǒng)所設(shè)定的條件，借助自身云計(jì)算的能力所實(shí)現(xiàn)。該項(xiàng)技術(shù)能夠幫助化學(xué)家在多種合成路徑當(dāng)中篩選出簡(jiǎn)潔高效的最優(yōu)方法。

大數(shù)據(jù)技術(shù)：其基礎(chǔ)技術(shù)包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理及數(shù)據(jù)庫(kù)等。該項(xiàng)技術(shù)應(yīng)用在化學(xué)合成領(lǐng)域中包括識(shí)別關(guān)聯(lián)的數(shù)據(jù)集和數(shù)據(jù)流，創(chuàng)建分子感知的數(shù)據(jù)結(jié)構(gòu)，并生成、細(xì)化和驗(yàn)證模型，并根據(jù)數(shù)據(jù)化的模型結(jié)果來(lái)提出建議。

機(jī)器人技術(shù)：在化學(xué)合成行業(yè)中，機(jī)器人技術(shù)主要應(yīng)用于以機(jī)器人執(zhí)行的自動(dòng)化合成平臺(tái)，機(jī)器人輔助執(zhí)行所有合成操作流程，組裝連續(xù)流動(dòng)路徑，實(shí)現(xiàn)自動(dòng)化合成。包括自動(dòng)檢測(cè)機(jī)器人、自動(dòng)控制機(jī)器人、自動(dòng)合成機(jī)器人。

三、人工智能在化學(xué)材料合成領(lǐng)域的應(yīng)用分布

四、人工智能技術(shù)在化學(xué)材料合成領(lǐng)域的應(yīng)用案例

創(chuàng)騰科技（人工智能與分子模擬平臺(tái)）：平臺(tái)主要分為材料模擬計(jì)算平臺(tái)和藥物發(fā)現(xiàn)與生物大分子計(jì)算模擬平臺(tái)，用“虛擬實(shí)驗(yàn)”替代耗時(shí)費(fèi)力的“試錯(cuò)實(shí)驗(yàn)”，把握正確的創(chuàng)新方向，為企業(yè)極大降低研發(fā)投入和風(fēng)險(xiǎn)。其中的Materials Studio材料模擬軟件以可視化視窗界面為核心，涵蓋多學(xué)科模塊；Discovery Studio是基于 Pipeline Pilot構(gòu)建的分子模擬平臺(tái)，它服務(wù)于生命科學(xué)領(lǐng)域的實(shí)驗(yàn)生物學(xué)家、藥物化學(xué)家、結(jié)構(gòu)生物學(xué)家、計(jì)算生物學(xué)家和計(jì)算化學(xué)家，應(yīng)用于蛋白質(zhì)結(jié)構(gòu)功能研究，以及藥物發(fā)現(xiàn)。

Wiley（Chemplanner）：Wiley開發(fā)了一款建立在“大數(shù)據(jù)”和“機(jī)器學(xué)習(xí)”基礎(chǔ)上的化學(xué)合成軟件Chemplanner。作為計(jì)算機(jī)輔助有機(jī)合成設(shè)計(jì)系統(tǒng)，它可以通過(guò)云計(jì)算幫助化學(xué)家在多種合成路徑中篩選出簡(jiǎn)潔高效的最優(yōu)方法，更重要的是，它能完成從目標(biāo)產(chǎn)物到可獲取的起始原料間的逆合成分析。此外，Chemplanner還可以根據(jù)需要（如成本控制，有無(wú)催化劑等）重新設(shè)計(jì)路線。

美國(guó)麻省理工學(xué)院（ASKCOS）：這一套可用于化學(xué)合成反應(yīng)的開源軟件套件，可以根據(jù)訓(xùn)練數(shù)據(jù)來(lái)確定反應(yīng)的轉(zhuǎn)變和條件是否適合構(gòu)筑新的化合物，在系統(tǒng)流程的最后一步中，配方被加載進(jìn)入機(jī)器人平臺(tái)，機(jī)器人操作臂將模塊式反應(yīng)器、分離器和其他處理單元等組裝成連續(xù)的合成路徑進(jìn)行反應(yīng)。新系統(tǒng)能夠處理的反應(yīng)類型從12種上升為30種，最簡(jiǎn)單的合成過(guò)程只需兩個(gè)小時(shí)。

Citrine（智能材料平臺(tái)）：Citrine通過(guò)定制培訓(xùn)內(nèi)容，培養(yǎng)企業(yè)客戶自主使用Citrine平臺(tái)，以便他們可以不斷從該技術(shù)中獲得最大的商業(yè)價(jià)值，尋找范圍適合的第一批項(xiàng)目，識(shí)別關(guān)聯(lián)的數(shù)據(jù)集并傳輸?shù)紺itrine平臺(tái)，團(tuán)隊(duì)可共建一個(gè)模型，使用模型結(jié)果來(lái)建議應(yīng)該合成和測(cè)試哪些候選材料。

德國(guó)馬克斯-普朗克膠體與界面研究所（自動(dòng)化徑向合成設(shè)備）：該設(shè)備用于小分子自動(dòng)化合成，集循環(huán)合成和線性合成的優(yōu)勢(shì)于一身，不需要在不同工藝之間進(jìn)行費(fèi)時(shí)費(fèi)力的手動(dòng)調(diào)整，該系統(tǒng)確保了反應(yīng)的可重復(fù)性，只要輸入相同質(zhì)量的物料，給定的合成指令將在另一個(gè)相同系統(tǒng)上以完全相同的方式執(zhí)行。反應(yīng)數(shù)據(jù)將返回給設(shè)備，以便進(jìn)行深度學(xué)習(xí)。

五、人工智能在化學(xué)材料合成領(lǐng)域應(yīng)用的局限性

高端人工智能人才缺口：在AI+化學(xué)合成領(lǐng)域中，底層方案的鑒別和篩選可以由初級(jí)研究人員完成，但是預(yù)測(cè)路徑的開發(fā)、定向合成的優(yōu)化等步驟，往往需要更高級(jí)的技術(shù)人員作為總設(shè)計(jì)師，目前企業(yè)和高校缺乏體系化的材料/藥物+信息學(xué)人才培養(yǎng)方案。

缺乏完善的商業(yè)機(jī)制：目前，人工智能+化學(xué)合成的開發(fā)更多停留在實(shí)驗(yàn)室階段，市場(chǎng)并未形成清晰的產(chǎn)業(yè)鏈合作方式，數(shù)據(jù)共享機(jī)制不足、設(shè)備接口不統(tǒng)一。這造就來(lái)自不同化學(xué)合成市場(chǎng)層級(jí)的商業(yè)模式不統(tǒng)一，發(fā)展速度較緩。

六、人工智能在化學(xué)材料合成領(lǐng)域的發(fā)展趨勢(shì)

綠色合成：未來(lái)的合成化學(xué)將更加強(qiáng)調(diào)原子的經(jīng)濟(jì)性，實(shí)現(xiàn)綠色合成的目標(biāo)，這將主要依賴對(duì)反應(yīng)機(jī)制的深入研究。通過(guò)對(duì)反應(yīng)目標(biāo)在基元步驟和原子層面的認(rèn)識(shí)，尋找合適的催化劑，通過(guò)特定化學(xué)鍵的選擇性活化，實(shí)現(xiàn)原子水平的精準(zhǔn)操控，AI在該領(lǐng)域的深度發(fā)展將需要底層學(xué)科的助力。

化學(xué)合成與生物合成的結(jié)合：生物合成利用基因剪接構(gòu)建遺傳密碼，讓細(xì)胞來(lái)完成設(shè)計(jì)人員設(shè)想的各種任務(wù)，以期利用合成研究人員所需的生物材料、新藥和改進(jìn)的藥物。合成化學(xué)與合成生物學(xué)相比較而言，前者的主要優(yōu)勢(shì)在于結(jié)構(gòu)的可變性，而后者的主要優(yōu)勢(shì)在于過(guò)程的經(jīng)濟(jì)性。兩個(gè)學(xué)科融合可綜合兩方優(yōu)勢(shì)，使物質(zhì)合成具有更高的效率與更多樣的結(jié)構(gòu)。

* 本文為 「智周 」系列報(bào)告 「核心版 」，相應(yīng) 「深度版 」的推出計(jì)劃將在后續(xù)公布， 敬請(qǐng)大家關(guān)注。針對(duì)「人工智能在化學(xué)材料合成領(lǐng)域中的應(yīng)用」這一主題，有哪些方向或主題，你希望在報(bào)告深度版中讀到詳細(xì)的闡述與分析，歡迎留言，這將成為我們制作報(bào)告深度版的重要參考

關(guān)于「智周」系列報(bào)告

機(jī)器之心「智周」人工智能技術(shù)應(yīng)用報(bào)告系列 重點(diǎn)關(guān)注現(xiàn)有人工智能技術(shù)應(yīng)用較成熟且應(yīng)用潛力較大的正在進(jìn)行智慧升級(jí)的傳統(tǒng)行業(yè)及場(chǎng)景，逐行業(yè)、逐場(chǎng)景為產(chǎn)業(yè)用戶高效而不失深度地呈現(xiàn)不同人工智能技術(shù)的產(chǎn)業(yè)落地現(xiàn)狀、企業(yè)案例、技術(shù)應(yīng)用趨勢(shì)等。 「智周」人工智能技術(shù)應(yīng)用報(bào)告系列包含核心版及深度版兩個(gè)版本：

核心版濃縮精華分析內(nèi)容至2頁(yè)內(nèi)，覆蓋重要數(shù)據(jù)、分析結(jié)論及案例簡(jiǎn)述，以供使用者高效系統(tǒng)地了解人工智能技術(shù)在自身所關(guān)注產(chǎn)業(yè)內(nèi)的潛在機(jī)會(huì)。

深度版在核心版的基礎(chǔ)上，包含詳盡的行業(yè)或場(chǎng)景痛點(diǎn)分析、技術(shù)解讀、落地案例詳解及資料附錄等，以供有深度研究需求的使用者進(jìn)行深入探究。

責(zé)任編輯：PSY