东方时讯网
研究人员设计了一种机器学习算法，可以比训练有素的化学家更准确地预测化学反应的结果，并提出了制造复杂分子的方法，从而消除了药物发现的重大障碍。
剑桥大学的研究人员已经证明，算法能够以超过90%的准确度预测复杂化学反应的结果，优于经过培训的化学家。该算法还向化学家展示了如何制造目标化合物，为所需目的地提供化学“图谱”。研究结果发表在ACS Central ScienceandChemical Communications期刊的两项研究中。
药物发现和材料科学的一个主要挑战是找到通过化学连接更简单的构建块来制造复杂的有机分子的方法。问题是这些构建块经常以意想不到的方式作出反应。
“制造分子通常被描述为通过反复试验实现的艺术，因为我们对化学反应性的理解还远未完成，”剑桥卡文迪什实验室的Alpha Lee博士说。“机器学习算法可以更好地理解化学，因为它们从数百万种已发表的化学反应中提炼出反应模式，这是化学家无法做到的。”
Lee和他的团队开发的算法使用模式识别工具，通过对专利中公布的数百万反应模型进行训练，识别分子中的化学基团如何反应。
研究人员将化学反应预测视为机器翻译问题。反应分子被认为是一种语言，而产品被认为是一种不同的语言。然后，模型使用文本中的模式来学习如何在两种语言之间进行翻译。
使用这种方法，该模型在预测看不见的化学反应的正确产品方面达到了90%的准确度，而受过训练的人类化学家的准确率约为80%。研究人员表示，该模型足够准确，可以检测数据中的错误并正确预测过多的困难反应。