人为智能（AI）是近年来的爆款话题。在医药行业
，关于AI能否有效设计新药的争论也从未停息。近日
，颁发在顶尖学术期刊《科学》上的一项钻研
，则让我们看到了积极的一面：来自普林斯顿大学（Princeton University）和默沙东钻研尝试室（Merck Research Laboratories）的化学家们开发了一款人为智能
，能够精准地预测化学反映的产率
，这有望在新药开发上得到宽泛的利用。

从性质上看
，新药的合成与造作是化学反映；Ъ颐俏说玫较胍姆肿
，必须以相宜的比例参与正确的原料
，并提供适当的反映前提。这听起来固然很单一
，但让机械来预测和设计高产率的化学反映却并不容易。一个典型的化学反映必要有大量分歧的化学分子参加。而每一个额表分子的参与
，城市为推算增长一个维度。即便对于近年阐发出彩的人为智能
，化学家们也不是很确定它是否能胜任这项工作。
为了让机械学会设计高产率的化学反映
，我们必要援手它成立一个多维度的模型。但从汗青上看
，这一向是个瓶颈。其背后的原因在于这个模型过于复杂
，而我们能用来训练这个模型的数据却远远不够。幸好
，随着默沙东在机械人系统上的大量投入
，此刻我们能在短短几天内
，实现数千个化学反映。这产生了大量能够用来训练AI的数据。
“我极度欣喜地看到
，我们产生的数据质量很高
，能用于成立有效的模型。”默沙东钻研尝试室的Spencer Dreher博士说路。
在获得了这些数据
，并利用法式对每一个输入进模型的化学品进行定量标注后
，钻研人员们考量了多种统计学模型的正确率。有趣的是
，行业中常用的线性回归模型在这一工作的执行上阐发并不好
，而阐发最好的是一类叫做“随机丛林”（random forest）的模型。此类模型能从训练数据库中随机提取出幼量的样本
，构建决定树（decision tree）
，而每一棵决定树都能对特定的化学反映产率进行预测。这些预测会被综合评估
，产生一个总体的预测产率。了局批注
，这款模型能很好地对训练数据之表的化学反映进行产率的预测。
“只有几百个反映数据
，我们就能正确地用模型预测产率；Ъ颐巧踔炼疾槐匾等说脑
，自己就能实现这些反映。」剽项钻研的第一作者Derek Ahneman博士说路。
“我们开发的这款软件能合用于任何反映或任何底物类型
，”该钻研的通讯作者之一
，普林斯顿大学的Abigail Doyle教授说路：“我们但愿人们能将这一工具利用于其他反映之中。”

参考资料：

[1] Chemists harness artificial intelligence to predict the future of chemical reactions
[2] Predicting reaction performance in C–N cross-coupling using machine learning