早段时间 ChatGPT 掀起不少声浪,该系统透过 AI 演算学习进行分析,为用户快速寻找答案。近日为了回应市场的需求,百度也发布了生成式 AI 产品 —— 文心一言。近年人工智能的应用已经逐渐走进大众的视野,而在科研领域,基于机器学习的人工智能系统也早已被世界知名的科研机构用于协助科学家完成一项又一项艰深的研究,科研模式的变革早已启动。
AI + 自动化技术,深受世界知名科研公司青睐
随机森林算法 - 普林斯顿大学 x 默克
早在 2018 年,普林斯顿大学的 Abigail Doyle 教授就与美国默克 (Merck) 的 Spencer Dreher 博士等合作,以机器学习算法 —— 随机森林算法 (Random Forest Algorithm),加上通过高通量实验获得的过千项数据进行训练,准确预测了多维变量的 Buchwald-Hartwig 偶联反应产率。Buchwald-Hartwig 反应在药物合成中具有广泛的价值,然而,将这一反应应用于复杂的药物大分子仍然具有挑战性,关键在于当中的五元杂环化合物,如异恶唑这些杂环具有类似药物的特性,但合成并不容易,因此研究团队此次对 Buchwald-Hartwig 偶联反应的研究别具意义。
由于反应物的稀缺,以及化学结构和反应的多维性,过往很难产生足够的数据或从数据库中获得足够完整和一致的数据来进行人工智能的算法训练。随着研究维度的加深,要取得有意义的数据便愈加艰难,而在本次的研究当中,十分关键的是研究人员利用了默克公司较早前建立的高通量反应筛选平台,该高通量实验平台可以在一天内进行超过 1500 个反应,每个反应只需用 0.02 毫克的材料,为研究提供了大量完整及准确的数据基础。
Mobile Robotic Chemist - 利物浦大学
除了普林斯顿大学与默克公司合作的研究外,在 2020 年登上 《Nature》 封面的利物浦大学自主研发的 AI 化学家 (Mobile Robotic Chemist),利用实验室自动化和人工智能的系统,8 天完成 688 次实验,一周时间研究了 1000 种催化配方,并发现了一种新的催化剂。
(图片源自网络)
自动化合成平台 - 麻省理工学院
无独有偶,登上 《Science》 的美国麻省理工学院 (MIT) 研究人员也开发了一种结合 AI 设计合成路线和机器人执行的自动化合成平台。
实验中,利用数据库中的反应训练了人工智能算法,为指定分子提出合成路线,包括反应条件,并根据步骤数量和预测产量来评估哪条路径是最佳。
同时,MIT 研究人员在新开发的系统上结合了三个主要步骤:首先,由人工智能指导的软件提出了合成分子的途径,然后专家化学家审查这条路线并将其细化为化学 “配方”,最后将配方发送到机器人平台,自动组装硬件并执行反应构建分子。
此外,该系统拥有一个灵活的机器人手臂,能够执行所有合成操作流程,实现自动化合成,并成功用于 15 个化学小分子药物的合成路线设计和自动化合成。
RoboRXN - IBM
IBM 研究中心也与实验室自动化的专业品牌 Chemspeed 合作,建立了以 AI 驱动的 RoboRXN 化学实验室。这一实验室融合了云技术、AI 和自动化高通量实验工作站,改变了化学家的工作方式,极大地加速了研发效率。
(图片源自网络)
以上的研究都说明了人工智能技术在科学研究领域的巨大潜力,但是纵观所有的人工智能在化学研究上的应用案例,无一例外的都离不开自动化实验技术。作为 “硬件设施”,自动化技术执行 AI (“软件”) 提供的最优化实验方案,并提供大量的完整且准确的数据。作为 “软件设施”,人工智能系统可以利用这些数据进行训练及演算,快速预测研究结果,并完成实验的迭代并优化过程,帮助科学家快速找到有价值的研究方向,减少大量的实验时间和研究成本。科研的变革已然启动,未来,人工智能的技術必然将更广泛应用在科学研究领域,推动科学的进步。
想构建可结合人工智能的实验室?欢迎联系力扬企业,我们会为你提供前沿的实验室解決方案。
参考资料:
Ahneman DT, Estrada JG, Lin S, Dreher SD, Doyle AG. Predicting reaction performance in C-N cross-coupling using machine learning. Science. 2018 Apr 13;360(6385):186-190.
Buitrago Santanilla A, Regalado EL, Pereira T, Shevlin M, Bateman K, Campeau LC, Schneeweis J, Berritt S, Shi ZC, Nantermet P, Liu Y, Helmy R, Welch CJ, Vachal P, Davies IW, Cernak T, Dreher SD. Organic chemistry. Nanomole-scale high-throughput chemistry for the synthesis of complex molecules. Science. 2015 Jan 2;347(6217):49-53.
http://www.vastprotech.com/news_detail/id/142.html
更多
结晶研究|结晶过程完整展现
新品
2023.11.30
溶出度研究 | 纳米混悬液的溶出度测试
厂商
2023.11.30
药物结晶工艺新突破
新品
2023.10.26
BCEIA 2023 完美收官 | 力扬企业助您迈向智慧科研新时代!
厂商
2023.09.15