早在去年，英國格拉斯哥大學的化學家們已經(jīng)討論了如何訓練一個人工智能有機化學合成機器人來自動探索大量的化學反應。 {*KEP  
H]!"Zq k  
這種“自我驅(qū)動”的系統(tǒng)以機器學習算法為基礎，可以發(fā)現(xiàn)新的反應和分子，允許利用數(shù)字化學數(shù)據(jù)驅(qū)動的方法來定位感興趣的新分子，而不是局限于一個已知的數(shù)據(jù)庫和常規(guī)的有機合成規(guī)則。其結果可能降低發(fā)現(xiàn)新的藥物分子、新化學產(chǎn)品(包括材料)、聚合物及用于高科技應用(如成像)分子的成本。 %\DX#.  
+"(jjxJm  
研究小組通過使用18種不同的起始化學物質(zhì)的組合來模擬大約1000種反應，展示了該系統(tǒng)的潛力。在探索了大約100種的可能反應后，機器人能夠以超過80%的準確率預測出哪些初始化學物質(zhì)的組合應該被探索以產(chǎn)生新的反應和分子。通過探索這些反應，他們發(fā)現(xiàn)了一系列以前不為人知的新分子和反應。研究人員發(fā)現(xiàn)了4個新反應，其中一個反應被歸入已知最獨特反應的前1%。 ,[Fb[#Qqb  
(t.Nk
[  
研究者表示，這種方法是化學數(shù)字化的關鍵一步，它將允許對化學空間(chemical space)進行實時檢索，從而幫助新藥物的發(fā)現(xiàn)，并削減成本，節(jié)省時間，提高安全性，減少浪費，幫助化學進入一個新的數(shù)字時代。（來源：環(huán)球網(wǎng)）