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