欢迎光临GGAMen游戏资讯




德国团队运用神经网络,让电脑能以 30 倍人工速度进行逆合成分析

2024-11-25 211

德国明斯特大学(University of Münster)研究团队近期透过研究证实,结合 AI 神经网络与蒙地卡罗树搜寻(MCTS)的搜索方式非常适用于化学合成的规划,尤其是逆合成分析(retrosyntheses),更能以前所未见的效率进行。

对于非化工领域的人来说,逆合成分析可能听来有些陌生,但这其实是有机合成中设计化合物生产的标准方法,透过对目标分子结构的分析与拆解、推导出基本的组成成分,进而完成化合物合成路线设计。

尽管这是有机合成路线设计的标准方法,但主要作者 Marwin Segler 表示,逆合成分析其实是有机化学的终极挑战,化学家往往需要数年时间才有办法掌握运用得很好。“这就像下棋,除了直观的专业知识,你还需要很好的直觉与创造力去发挥。”

如果以烹饪来形容,就像从一道完成的菜推敲出材料与做法,然后在实验室中实际从基本成分试着“煮”出相同的目标分子;虽然理论上很简单,但在实践的过程中总是会遇到许多困难,每一步都有许多选择必须进行,而化学问题又比烹饪或下棋还复杂许多。

▲苯乙酸的逆合成分析范例。(Source:Wikimedia/Roland Mattern)

运用电脑来计算合成的想法其实已经非常久远,过去几乎所有人都认为除非专家手工编程成千上万条规则,否则电脑就无法进行计算合成──但过去的实际案例显示,即使有规则协助的电脑也无法做到这些事。

这是因为化学合成过程非常复杂,无法单纯用简单的规则来理解,更别提合成反应的相关出版物数量每十年就增加一倍,无论化学家或是编写程式者,都无法让单纯的电脑跟上脚步。

然而随着深度学习与神经网络的出现,用电脑协助进行逆合成分析不再是空想,Segler 已证明即使只靠从现有资料和应用学习,机器仍可以学会进行分析,而不需人类编程规则的协助。

为了做到这一点,团队先是运用过去发表的所有化学文献(其中约有近 1,200 万种化学反应)对机器进行深度学习训练,然后将 DNN 神经网络与蒙地卡罗树搜寻连结,以类似在棋类游戏评估变体的方式,逆向分析寻找有机化学合成的最佳解。

与传统的人工推导方式相比,这个全新方式的速度大约快了 30 倍,并且找到 2 倍以上的潜在合成途径,在一项双盲测试中,团队发现化学家普遍认为这些电脑找出的合成路线,与现有经过实验和测试的路线一样好。

这项研究已发表在最新一期的《自然》(Nature)期刊。Segler 指出,团队希望借由这个全新的方式,节省去化学家在实验室尝试的时间,“如此一来,化学家能使用更少的资源,制造出协助提高人们生活水准的化合物。”

  • Chemical synthesis with artificial intelligence: Researchers develop new computer method

(首图来源:shutterstock)

2019-03-14 15:52:00

标签:   游戏头条 资讯头条 ggamen科技资讯 ggamen科技 ggamen科技资讯头条 科技资讯头条 ggamen游戏财经 新闻网 科技新闻网 科技新闻 ggamen ggamen游戏新闻网 科技新闻 科技新闻网 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 资讯头条 游戏头条 ggamen 科技新闻 科技新闻网 新闻网 ggamen游戏财经 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 游戏头条
0