人工智能算法超越化学家，精确预测科学试验

点击上方“蓝字” 一键订阅

科学研究领域中，追求真理经常意味着穿着白大褂在实验室做实验，其中免不了做一些失败的试验。不过失败的试验有时候也能带来很多新发现。目前，哈佛大学正努力帮助科学家加速试验研究的速度，通过一个可以预测化学反应成功率的机器学习算法，算法成功率超过了人类科学家。
算法分析了失败实验的数据。而通常，这些数据呆在实验室的电脑里，只有做原始实验的科学家才会接触到这些数据。哈佛大学采取了另一种方法，将几千个成功和失败的数据数字化，创造了一个开放的巨大数据库。化学副教授Joshua Schrier将每个实验的特性分解，研究员化学副教授Alexander Norquist研究出了机器学习算法。
如《自然》杂志解释道，团队专注在结晶反应，这种反应需要将一组试剂在溶剂中混合并加热。具体来说，这需要一种叫做钒亚硒酸盐的材料，是铝、硒和氧气形成的化合物。研究员通过看笔记，基于多年的科研经验预测了新的反应结果。但是算法可以看得更加深入，发现数据背后人类科学家没有看出来的模式。
在大约500个案例中，算法可以以89%的比例生成结晶。而研究员只有78%的成功率。“用机器学习模型，不带任何偏见地来审视这些没有利用起来的数据，可以带来无价的预测帮助科学家。”哈佛化学及生物化学教授Alan Aspuru-Guzik说。“尤其是数据中可以产生有实质意义的关联和预测，这能加速新材料的研究发现。”
这样的思路还可能改变科学新发现的报导方式。目前，研究员经常只针对能够成功产生化合物的材料和过程发表论文，而各种失败的数据则被忽略，埋没在实验室的电脑硬盘里。“很可能在实验开发和情景优化的过程中，为了一次成功反应需要做一百次反应。”Norquist解释道，“我将这些失败的反应看做冰山在水面以下的部分——我们所见到的科研结果，只是冰山一角。”
团队的数据库科研在Dark Reaction Project项目网站（http://darkreactions.haverford.edu/）上获得。团队希望，其他科学家科研可以来分享他们的失败案例，从而不断提升数据库，以及机器学习的预测能力。文章节选自《雷锋网》

免责声明：部分资料来源于网络，转载的目的在于传递更多信息及分享，并不意味着赞同其观点或证实其真实性，也不构成其他建议。仅提供交流平台，不为其版权负责。如涉及侵权，请联系我们及时修改或删除。邮箱：[e-mail]

诚邀投稿欢迎专家学者提供稿件（论文、项目介绍、新技术、学术交流、单位新闻、参会信息、招聘招生等）至[e-mail]，并请注明详细联系信息。高分子科技^®会及时推送，并同时发布在中国聚合物网上。

欢迎加入微信群为满足高分子产学研各界同仁的要求，陆续开通了包括高分子专家学者群在内的几十个专项交流群，也包括高分子产业技术、企业家、博士、研究生、媒体期刊会展协会等群，全覆盖高分子产业或领域。目前汇聚了国内外高校科研院所及企业研发中心的上万名顶尖的专家学者、技术人员及企业家。

申请入群，请先加审核微信号chemshow （或长按下方二维码），并请一定注明：高分子+姓名+单位+职称（或学位）+领域（或行业），否则不予受理，资格经过审核后入相关专业群。