研究總體框架。

圖片來(lái)源：《自然·通訊》在線版

　　【總編輯圈點(diǎn)】

 

　　科技日?qǐng)?bào)北京10月31日電 （記者張夢(mèng)然）《自然·通訊》31日發(fā)表的一篇論文報(bào)道了一種機(jī)器學(xué)習(xí)模型，該模型能部分重現(xiàn)職業(yè)化學(xué)家在工作中積累的集體知識(shí)，這類知識(shí)通常被稱為“化學(xué)直覺(jué)”。研究團(tuán)隊(duì)認(rèn)為，該研究或使今后的藥物研發(fā)更高效。

 

　　傳統(tǒng)上，藥物與化學(xué)發(fā)現(xiàn)需要依靠試錯(cuò)實(shí)驗(yàn)和研究人員在工作中積累的知識(shí)。使用模擬工具，尤其是機(jī)器學(xué)習(xí)，能讓研究人員更快地發(fā)現(xiàn)候選分子，極大降低發(fā)現(xiàn)新藥用化合物的成本。如果要用機(jī)器學(xué)習(xí)預(yù)測(cè)分子性質(zhì)，分子就必須還原到數(shù)學(xué)表達(dá)，這通常包含一組性質(zhì)或“特征”。確定正確特征是這些數(shù)據(jù)驅(qū)動(dòng)性能預(yù)測(cè)模型成功的關(guān)鍵。

 

　　位于英國(guó)的微軟研究院科學(xué)智能中心（AI4Science）和瑞士諾華生物醫(yī)學(xué)研究所的聯(lián)合團(tuán)隊(duì)，此次讓35名醫(yī)學(xué)化學(xué)家各自從5000對(duì)分子中選擇自己更偏向的分子，再用他們的回答做成排序游戲來(lái)訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)模型，隨后讓這個(gè)模型給分子打分。這個(gè)分?jǐn)?shù)來(lái)自行業(yè)內(nèi)多年的知識(shí)積累，基本不受其他因素的影響。

 

　　該團(tuán)隊(duì)提出的模型還能用來(lái)改變數(shù)學(xué)模型的推薦，從而更好地匹配化學(xué)家的集體專業(yè)知識(shí)，有望在今后早期藥物研發(fā)中縮短迭代時(shí)間。

 

　　研究人員認(rèn)為，這種方法或能在藥物研發(fā)中作為對(duì)分子建模的補(bǔ)充。

 

　　在一些科幻小說(shuō)的設(shè)定中，外星生物出生時(shí)就裝載有當(dāng)前時(shí)代沉淀下來(lái)的所有知識(shí)，從而實(shí)現(xiàn)文明的高速發(fā)展。人類只能靠長(zhǎng)時(shí)間學(xué)習(xí)來(lái)掌握知識(shí)，積累經(jīng)驗(yàn)。此次，機(jī)器學(xué)習(xí)了直覺(jué)，相當(dāng)于瞬間移植了人類的寶貴經(jīng)驗(yàn)，就像阿爾法狗快速學(xué)習(xí)，在圍棋領(lǐng)域秒殺人類大師一樣。AI正在給化學(xué)帶來(lái)革命性影響。在新材料發(fā)現(xiàn)、準(zhǔn)確模擬、優(yōu)化合成路徑等方面，它推動(dòng)精準(zhǔn)化學(xué)快速進(jìn)步，也可大幅縮短藥物研發(fā)的試錯(cuò)過(guò)程。