擊敗柯潔的“AlphaGo”登上今日Science:人工智能除了創造新材料還能預測化學反應性能

【引言】

機器學習方法正在成為眾多學科科學探究的一部分。 機器學習（ML）是可以從數據中學習計算機算法的研究和構建。我們腦海里對新材料的發現以及化學合成基本還停留在傳統的研究人員身穿白大褂，手里拿著各種化學試劑的場景。殊不知這幾年人工智能的發展已經應用到了各個領域，人工智能真正讓人們接受應該是AlphaGo大戰圍棋天才柯潔而一戰成名。它能通過數據記錄上百個頂級棋手的下棋行為，通過大數據分析，后臺的優化算法而做到越賽越勇。在材料化學領域人工智能也在發揮著越來越重要的作用，往往研究人員想盡腦汁做不出來的東西它可以經過成千上萬次的計算給出最優答案。

【成果簡介】

北京時間2018年4月13日，Science在線發表了普林斯頓大學Abigail G. Doyle、Merck Sharp & Dohme公司Spencer D. Dreher（共同通訊）等人題為“Predicting reaction performance in C–N cross-coupling using machine learning”的文章，團隊證明了機器學習可以用來預測多維化學空間中合成反應的性能，使用通過高通量實驗獲得的數據。通過創建腳本來計算和提取原子，分子和振動描述符，用于鈀催化的Buchwald-Hartwig芳基鹵化物與4-甲基苯胺在各種潛在抑制添加劑存在下的交叉偶聯反應。使用這些描述符作為輸入和反應產量作為輸出，表明隨機森林算法提供了比線性回歸分析顯著改進的預測性能。

【圖文導讀】

圖1 ML在反應預測中的應用

圖2 測試集性能圖

圖3 加法預測

圖4 模型分析

文獻鏈接：Predicting reaction performance in C–N cross-coupling using machine learning（Science,2018,DOI:10.1126/science.aar5169）

本文由材料人Allen供稿，材料牛整理編輯。

材料牛網專注于跟蹤材料領域科技及行業進展，這里匯集了各大高校碩博生、一線科研人員以及行業從業者，如果您對于跟蹤材料領域科技進展，解讀高水平文章或是評述行業有興趣，點我加入編輯部大家庭。

歡迎大家到材料人宣傳科技成果并對文獻進行深入解讀，投稿郵箱tougao@cailiaoren.com。

投稿以及內容合作可加編輯微信：cailiaokefu。

材料人重磅推出材料計算解決方案，組建了一支來自全國知名高校老師及企業工程師的科技顧問團隊，專注于為大家解決各類計算模擬需求。如果您有需求，歡迎掃以下二維碼提交您的需求。或點擊鏈接提交，或直接聯系微信客服（微信號：iceshigu）