化学家有一个新的实验室助手：人工智能。研究人员已经开发了一种“深度学习”计算机程序，该程序可以为生成诸如药物化合物之类的小有机分子所需的反应顺序生成蓝图。该工具建议的途径在纸面上看起来与人类化学家设计的途径一样好。

人工智能可以创造下一个奇迹材料吗？

3月1日在《自然》杂志上描述的该工具并不是第一个使用人工智能（AI）而不是人类技能和直觉的软件。然而，化学家们称赞这一发展为一个里程碑，称其可以加快药物发现过程并提高有机化学效率。

“我们在这里看到的是，这种人工智能可以捕获这种专业知识，”帕勃罗·卡博内尔（Pablo Carbonell）说，他在英国曼彻斯特大学设计合成预测工具，但并未参与这项工作。他将这项工作描述为“里程碑纸”。

化学家们通常按照惯例搜索其他人记录的反应清单，并凭自己的直觉得出逐步制备特定化合物的途径。他们通常会反向工作，从要创建的分子开始，然后分析可以使用哪些容易获得的试剂和反应序列来合成它-这种过程称为逆合成，可能需要数小时甚至数天的计划。

自我教学系统

新的AI工具由德国默恩斯特大学的有机化学家和人工智能研究员Marwin Segler及其同事开发，它使用深度学习神经网络吸收了几乎所有已知的单步有机化学反应。其中约1,240万。这使它能够预测可在任何单个步骤中使用的化学反应。该工具在规划多步合成过程中反复应用这些神经网络，对所需分子进行解构，直到最终得到可用的起始试剂为止。

Segler和他的团队在一项双盲试验中测试了该程序提出的途径，以查看经验丰富的化学家是否可以从人类设计的途径中分辨出AI合成途径。他们展示了来自中国和德国两家研究所的45位有机化学家对9种分子的潜在合成路线：一种是系统提示的途径，另一种是人类设计的途径。化学家没有选择哪个最好。

自1960年代以来，研究人员一直在尝试使用计算能力来计划有机化学合成，但仅获得了有限的成功。但是Segler工具是近年来使用AI标记潜在反应路线的几个程序之一。

Chematica是最著名的，于2017年5月被德国制药公司Merck收购，收购金额未公开。韩国蔚山国立科学技术学院的化学家Bartosz Grzybowski及其团队花费了多年的时间将有机化学法则输入系统中，以利用该程序。

测试阶段

本月早些时候，Grzybowski报告2，他已经在实验室测试了八种算法建议的途径，并且这些途径均有效。他说：“非常高兴看到逆向合成技术的复兴，并欢迎采用不同的方法。”

Segler工具与众不同，因为它仅从数据中学习，并且不需要人工输入规则即可使用。

瑞典哥德堡制药公司AstraZeneca的计算化学家Ola Engkvist对这项工作印象深刻。他说：“提高合成化学的成功率，将在药物发现项目的速度和效率以及降低成本方面带来巨大的好处。”

塞格勒说，他的工具已经引起了几家制药公司的兴趣。但是他看不到这会使有机化学家失业。他说：“将为化学家的助手，他希望制造分子并尽快从A迁移到B。”“ GPS导航设备可以使纸质地图变得多余”，而不是汽车的驾驶员。 / p>