如今，人工智能和機(jī)器學(xué)習(xí)幾乎可以解決所有問題。橫濱國(guó)立大學(xué)的研究人員利用這一現(xiàn)代優(yōu)勢(shì)克服了傳統(tǒng)方法無(wú)法解決的問題。

談到含碳(或有機(jī))分子的相互作用時(shí)，需要記住許多規(guī)則。分子上與其環(huán)境相互作用的基團(tuán)的定位、分子的大小、形狀和位置以及與其相互作用的分子。給定反應(yīng)的結(jié)果可能因這些因素和其他許多因素而有很大不同，預(yù)測(cè)這些結(jié)果已被證明是化學(xué)領(lǐng)域的一大挑戰(zhàn)。控制結(jié)果是化學(xué)合成中非常必要的組成部分，但預(yù)測(cè)并不總是足夠的。幸運(yùn)的是，機(jī)器學(xué)習(xí)和人工智能 (AI) 再次可以通過預(yù)測(cè)給定反應(yīng)的速率或選擇性來(lái)幫助推動(dòng)進(jìn)展。因此，這項(xiàng)技術(shù)可用于預(yù)測(cè)可以預(yù)期的產(chǎn)品。

研究人員于4月9日在《化學(xué)信息與建模雜志》上發(fā)表了他們的研究成果。

在有機(jī)化學(xué)中，每個(gè)細(xì)節(jié)都很重要。影響分子與其他分子相互作用的兩個(gè)常見領(lǐng)域是立體和軌道。立體是指分子的排列，立體效應(yīng)可以決定分子的形狀和反應(yīng)性。這可能是由于分子或單個(gè)原子的大小或電荷造成的。軌道是一種解釋電子最可能位置的方法，而電子又可以與其他分子或原子相互作用引起反應(yīng)。這些因素可以極大地改變親核試劑或電子給體反應(yīng)物與受體分子的結(jié)合位置。這被稱為“選擇性”，根據(jù)分子結(jié)合的位置，結(jié)果可以形成不同的產(chǎn)品或所需產(chǎn)品的產(chǎn)量。研究人員正在利用人工智能和機(jī)器學(xué)習(xí)以及現(xiàn)有的化學(xué)反應(yīng)知識(shí)來(lái)更好地解釋分子選擇性的這些方面。

橫濱國(guó)立大學(xué)工程學(xué)院副教授、本文通訊作者后藤宏明表示：“要確定哪些信息可以作為提供給人工智能的必要化學(xué)信息，必須將化學(xué)知識(shí)與人工智能和機(jī)器學(xué)習(xí)的知識(shí)相結(jié)合。”

首先，必須向計(jì)算機(jī)輸入一些信息以供其學(xué)習(xí)。計(jì)算化學(xué)文獻(xiàn)中的信息和先前研究的信息被用于開始 AI 的教學(xué)過程。在對(duì)所使用的特定分子進(jìn)行一些手動(dòng)數(shù)據(jù)輸入并設(shè)置最佳參數(shù)后，根據(jù)測(cè)試數(shù)據(jù)集的預(yù)測(cè)結(jié)果運(yùn)行數(shù)據(jù)分析。這些分析允許 AI 根據(jù)已知信息進(jìn)行學(xué)習(xí)和預(yù)測(cè)未來(lái)的選擇性。“這種方法通過計(jì)算模擬接近親核試劑的球形空間的參數(shù)，可以更全面地分析和解釋反應(yīng)機(jī)制，”橫濱國(guó)立大學(xué)化學(xué)與生命科學(xué)系研究的第一作者 Daimon Sakaguchi 說(shuō)。

該研究成功解釋了 8 種親核試劑的 323 種反應(yīng)選擇性，即分子的哪個(gè)“面”會(huì)產(chǎn)生最理想的產(chǎn)物量。選擇性的變化取決于分子的立體性和軌道因素。研究人員發(fā)現(xiàn)，對(duì)于某些分子，軌道因素在決定面選擇性方面更為重要，而其他分子則更多地取決于分子與親核試劑相互作用時(shí)的立體性。

預(yù)測(cè)技術(shù)和機(jī)器學(xué)習(xí)與現(xiàn)有的化學(xué)知識(shí)相結(jié)合，可以從化學(xué)反應(yīng)中產(chǎn)生更好的結(jié)果，并幫助化學(xué)家以更簡(jiǎn)化的方式合成天然產(chǎn)物和藥物化學(xué)品。

通過使用機(jī)器學(xué)習(xí)和人工智能簡(jiǎn)化這一過程，可以進(jìn)行更多實(shí)驗(yàn)。理想情況下，研究人員希望與實(shí)驗(yàn)化學(xué)家合作設(shè)計(jì)反應(yīng)，并繼續(xù)開發(fā)更具預(yù)測(cè)性的化學(xué)反應(yīng)技術(shù)。