AI 正在改變化學界，開源數據庫成重要驅動力

新材料的發現或開發伴隨著幾乎每一項人類歷史上的科技進步，從銅和鋅的混合製成青銅，到為數字技術提供動力的高品質矽微芯片，無不如此。

為特定需求設計材料是一項很難完成的任務，原子構建塊的隨機混合和匹配可以產生無數種可能的化合物。從歷史上看，新材料的發現涉及運氣、直覺和反覆試驗的結合。但因為人工智能，這一切都可能發生改變。

人工智能正在徹底改變化學研究的面貌。近日，刊登在《Nature》的一篇評論中，來自英國和美國的國際科學家團隊回顧了機器學習在化學領域的快速進展，並探究了機械學習在化學設計方面日益增長的潛力。

丹尼爾是該團隊中的一名博士生，他說：“機器學習是人工智能的一個分支，電腦根據數據學習進行自我優化。這些方法已經存在了一段時間，廣泛用於谷歌、雅虎、亞馬遜等，用於定向廣告、翻譯和垃圾郵件過濾。最近這些技術還被用來實現自動駕駛汽車和類人機器人技術。機器學習現在被用來加速科學進程，提高我們需要的關鍵材料的設計速度。”

研究人員的主要目的，是解釋機器學習在哪些領域對分子和材料的研究發起挑戰，並確定了接下來需要克服的一些關鍵障礙。例如，讓電腦識別化學物質和化合物是一個很大的挑戰。

“我們的結論是，隨著科學家們在其研究項目中越來越多的採用機器學習，這些項目的應用範圍也以驚人的速度增長。新一代由開源工具平台支持和數據共享的電腦，有可能徹底改變分子和材料的發現過程。我們預測這個領域將成為科學方法的一個組成部分，而不僅僅是一個單獨的研究領域”

人類一直享有遠遠超過機器的推理和直覺能力。但科學家現在開始嘗試用人工智能驅動來解決問題，以加速他們自己的材料發現和優化過程。

來自 ISIS Neutron 的 Keith Butler 博士和該評論的第一作者 Muon Source 說：“在傳統的計算方法中，電腦隻不過是一個計算機，採用人類專家提供的硬編碼算法。相比之下，我們看到越來越多真實的例子告訴我們，機器學習技術得到了改善。”

機器學習和人工智能提供了通過已知的材料屬性來訓練電腦的可能性，以豐富未來的知識系統。人工智能會考慮所有可用數據，並能找出由於研究人員偏向性而可能遺漏的資訊。

但是什麽推動了這一領域的進步？一個重要驅動因素是開源數據庫。

“在我們這些生產大量數據的研究設施裡，這尤其令人興奮，我們在充滿數據的數據柯瑞，現在我們終於能夠有效利用他們了，”巴特勒博士補充說。