在化工領域，對化合物性質的評估（分子診斷）已經(jīng)進入通量篩選階段，但是化學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間精力，才能分析出正確的化學合成路徑，但是人工合成產(chǎn)率較低、試錯成本過高，導致合成化學技術在藥物、材料領域中的商業(yè)應用價值不足。因此，引入AI+化學合成尤為重要，利用人工智能的逆合成分析、機器學習、神經(jīng)網(wǎng)絡等技術，預測合成路徑，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、化學材料合成產(chǎn)業(yè)及市場情況

合成化學技術在合成材料和合成藥物領域中應用較廣，但由于不同化學反應條件下的無窮變化，該領域慢慢成為勞動密集型行業(yè)。分析過程中需要大量經(jīng)驗積累，才有可能打通正確的合成路徑，而合成步驟太多、產(chǎn)率太低或者成本過高，使很多分析結果止步于論文發(fā)表，真正能夠實現(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+化學合成剛剛起步，以上痛點正逐漸被解決。目前在整個化學合成應用領域中，上游市場關注于合成路線的設計，包括輔助研究人員逆向合成預測、路線篩選等；而中游市場囊括了自動化儀器和機器人平臺的開發(fā)；下游市場集中于醫(yī)藥企業(yè)及材料平臺的實驗室分析服務、企業(yè)集成解決方案等。上游市場依舊占主體，但下游市場的研究與應用才是這個行業(yè)商業(yè)價值的實際產(chǎn)出。來自于企業(yè)的需求，既能豐富中游產(chǎn)品的產(chǎn)出，同時也能夠為上游研究的優(yōu)化提供建議，從而活化整個市場行業(yè)。

二、化學材料合成中的人工智能技術

機器學習：典型的監(jiān)督性機器學習模型指利用規(guī)律對數(shù)據(jù)進行預測分析的算法。該項技術在化學合成領域中主要應用于根據(jù)已有的化學物的結構分析出多種合成路線，預測材料化學性質、譜圖模擬以及路線的算法優(yōu)化。

神經(jīng)網(wǎng)絡：在蒙特卡洛樹步驟中引入深度神經(jīng)網(wǎng)絡能夠提高計算精度與效率。該項技術在化學合成領域中既可用于尋找路徑，也可對可能的逆合成路線進行初步篩選，用于訓練神經(jīng)網(wǎng)絡的測試集包括了所有過往的有機化學反應。

計算機視覺：計算機視覺指機器代替人眼對目標進行識別、跟蹤和測量。該項技術在化學合成領域中主要應用于分子合成中的結構塊形態(tài)、反應的起始點和節(jié)點的識別。

推薦系統(tǒng)：推薦系統(tǒng)是信息過濾系統(tǒng)的一個子類，它根據(jù)系統(tǒng)所設定的條件，借助自身云計算的能力所實現(xiàn)。該項技術能夠幫助化學家在多種合成路徑當中篩選出簡潔高效的最優(yōu)方法。

大數(shù)據(jù)技術：其基礎技術包括數(shù)據(jù)采集、數(shù)據(jù)預處理及數(shù)據(jù)庫等。該項技術應用在化學合成領域中包括識別關聯(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)結構，并生成、細化和驗證模型，并根據(jù)數(shù)據(jù)化的模型結果來提出建議。

機器人技術：在化學合成行業(yè)中，機器人技術主要應用于以機器人執(zhí)行的自動化合成平臺，機器人輔助執(zhí)行所有合成操作流程，組裝連續(xù)流動路徑，實現(xiàn)自動化合成。包括自動檢測機器人、自動控制機器人、自動合成機器人。

三、人工智能在化學材料合成領域的應用分布

四、人工智能技術在化學材料合成領域的應用案例

創(chuàng)騰科技（人工智能與分子模擬平臺）：平臺主要分為材料模擬計算平臺和藥物發(fā)現(xiàn)與生物大分子計算模擬平臺，用“虛擬實驗”替代耗時費力的“試錯實驗”，把握正確的創(chuàng)新方向，為企業(yè)極大降低研發(fā)投入和風險。其中的Materials Studio材料模擬軟件以可視化視窗界面為核心，涵蓋多學科模塊；Discovery Studio是基于 Pipeline Pilot構建的分子模擬平臺，它服務于生命科學領域的實驗生物學家、藥物化學家、結構生物學家、計算生物學家和計算化學家，應用于蛋白質結構功能研究，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“機器學習”基礎上的化學合成軟件Chemplanner。作為計算機輔助有機合成設計系統(tǒng)，它可以通過云計算幫助化學家在多種合成路徑中篩選出簡潔高效的最優(yōu)方法，更重要的是，它能完成從目標產(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，有無催化劑等）重新設計路線。

美國麻省理工學院（ASKCOS）：這一套可用于化學合成反應的開源軟件套件，可以根據(jù)訓練數(shù)據(jù)來確定反應的轉變和條件是否適合構筑新的化合物，在系統(tǒng)流程的最后一步中，配方被加載進入機器人平臺，機器人操作臂將模塊式反應器、分離器和其他處理單元等組裝成連續(xù)的合成路徑進行反應。新系統(tǒng)能夠處理的反應類型從12種上升為30種，最簡單的合成過程只需兩個小時。

Citrine（智能材料平臺）：Citrine通過定制培訓內容，培養(yǎng)企業(yè)客戶自主使用Citrine平臺，以便他們可以不斷從該技術中獲得最大的商業(yè)價值，尋找范圍適合的第一批項目，識別關聯(lián)的數(shù)據(jù)集并傳輸?shù)紺itrine平臺，團隊可共建一個模型，使用模型結果來建議應該合成和測試哪些候選材料。

德國馬克斯-普朗克膠體與界面研究所（自動化徑向合成設備）：該設備用于小分子自動化合成，集循環(huán)合成和線性合成的優(yōu)勢于一身，不需要在不同工藝之間進行費時費力的手動調整，該系統(tǒng)確保了反應的可重復性，只要輸入相同質量的物料，給定的合成指令將在另一個相同系統(tǒng)上以完全相同的方式執(zhí)行。反應數(shù)據(jù)將返回給設備，以便進行深度學習。

五、人工智能在化學材料合成領域應用的局限性

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

缺乏完善的商業(yè)機制：目前，人工智能+化學合成的開發(fā)更多停留在實驗室階段，市場并未形成清晰的產(chǎn)業(yè)鏈合作方式，數(shù)據(jù)共享機制不足、設備接口不統(tǒng)一。這造就來自不同化學合成市場層級的商業(yè)模式不統(tǒng)一，發(fā)展速度較緩。

六、人工智能在化學材料合成領域的發(fā)展趨勢

綠色合成：未來的合成化學將更加強調原子的經(jīng)濟性，實現(xiàn)綠色合成的目標，這將主要依賴對反應機制的深入研究。通過對反應目標在基元步驟和原子層面的認識，尋找合適的催化劑，通過特定化學鍵的選擇性活化，實現(xiàn)原子水平的精準操控，AI在該領域的深度發(fā)展將需要底層學科的助力。

化學合成與生物合成的結合：生物合成利用基因剪接構建遺傳密碼，讓細胞來完成設計人員設想的各種任務，以期利用合成研究人員所需的生物材料、新藥和改進的藥物。合成化學與合成生物學相比較而言，前者的主要優(yōu)勢在于結構的可變性，而后者的主要優(yōu)勢在于過程的經(jīng)濟性。兩個學科融合可綜合兩方優(yōu)勢，使物質合成具有更高的效率與更多樣的結構。

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

關于「智周」系列報告

機器之心「智周」人工智能技術應用報告系列 重點關注現(xiàn)有人工智能技術應用較成熟且應用潛力較大的正在進行智慧升級的傳統(tǒng)行業(yè)及場景，逐行業(yè)、逐場景為產(chǎn)業(yè)用戶高效而不失深度地呈現(xiàn)不同人工智能技術的產(chǎn)業(yè)落地現(xiàn)狀、企業(yè)案例、技術應用趨勢等。 「智周」人工智能技術應用報告系列包含核心版及深度版兩個版本：

核心版濃縮精華分析內容至2頁內，覆蓋重要數(shù)據(jù)、分析結論及案例簡述，以供使用者高效系統(tǒng)地了解人工智能技術在自身所關注產(chǎn)業(yè)內的潛在機會。

深度版在核心版的基礎上，包含詳盡的行業(yè)或場景痛點分析、技術解讀、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行深入探究。

責任編輯：PSY