CAS白皮书 | 化学中的人工智能: 当前布局和未来机遇

CAS

白皮书

人工智能(AI)和机器学习的领域在过去十年中呈指数级增长，而化学领域是如何随着这一新兴趋势而发展的？在最新的CAS白皮书《化学中的人工智能：当前布局和未来机遇》中，CAS利用自身技术为您呈现相关科学文献出版和专利趋势，探索人工智能在化学研究中的前景。

我们揭示了AI应用处于领先地位的化学领域，以及那些通过AI技术的具有巨大潜力并有待挖掘化学领域。

点击文末“阅读原文”，下载完整白皮书，了解更多内容。

人工智能(AI)是机器模拟人类智能的能力。当常规计算机还在基于预设的编程规则(例如true/false或if/else语句)进行操作时，Al被设计为理解数据之间的关系，并针对问题开发新的解决方案。自20世纪50年代以来，出现了许多类型的AI，包括机器学习(图1)。每个类型都训练计算机以独特的方式从数据中学习。

图1. 机器学习的类别：

监督学习：使用标记数据进行推理和预测，例如回归和分类

半监督学习：使用标记和未标记的数据，例如文本文档分类

无监督学习：使用未标记数据进行数据驱动的模式发现，例如关联和聚类

增强学习：从没有预定义数据的错误中学习，例如推荐算法或下棋

AI技术已广泛应用于一系列学科，特别是在科学研究中，AI相关的研究有巨大增长，例如，AI已被用于了解分子性质、设计分子和预测反应结果。

自2015年以来，使用Al方法的化学相关文献发表和专利申请大幅增加。通过Al，研究人员已经能够在数据处理方面取得飞跃，如果手动进行这些工作，将花费几十年的时间。一些例子包括：

- 预测新药的生物活性

- 优化反应条件

- 提出合成复杂目标分子的路线

尽管AI在解决相关问题方面有很多进展，但对于AI技术应用率较低的化学学科而言，仍存在很大的机遇。为了了解这些机遇在哪里，我们研究了化学中AI的前景，以及采用AI的障碍。

在我们对70,000多份出版物的分析中，我们研究了跨学科的贡献。这使我们能够将每个学科绘制到热图上，热图上的颜色强度反映了每个学科的贡献强度。一目了然，我们可以看到AI促进了哪些化学研究跨学科领域的研究，以及在哪些领域尚有待开发。

图2. 期刊文章中发表的跨学科研究的相关性(列代表主要研究领域，行代表次要研究领域，每个正方形代表主要和次要研究领域的跨学科交叉领域)

例如，跨学科文献发表在分析化学和生物化学中更为常见，机器学习算法被用于改进蛋白质、肽、脂质和核酸的分析，以及预测化学反应甚至发现新分子。人工智能也被广泛应用于材料科学和物理化学，这两门学科的目标是预测功能材料、结构-性能关系和化学工艺优化。

当前采用AI技术的三个障碍：

数据质量：最佳预测取决于强大、高质量的数据集，这些数据集为培训提供正面和负面的例子。访问、规范化和准备数据是当今许多组织面临的重大挑战。

技术：虽然在计算能力（量子计算和云计算）方面有所改进，但从用户角度来看，仍然存在明显的局限性。然而，如今软件和用户界面的进步消除了编程壁垒，使更多的科学家能够在研究中利用机器学习。

人才短缺：数据科学中缺少专业方向人才，而化学家可能不理解人工智能在今天是多么的平易近人。增加化学和其他科学学科之间的合作可能有助于加速人工智能。

点击阅读原文，下载完整白皮书，了解更多内容。

Copyright © 2022 CAS, a division of American Chemical Society

更多CAS白皮书：

欢迎关注 | ACS材料X

我们将致力于为材料及相关交叉领域的科研学者提供学术交流平台，探索科学，前瞻未来！

点击“阅读原文”

你“在看”我吗？