.png?x-oss-process=style/png_small)
电话：+86 13777390546
手机：+86 13777390546
邮箱：chemauto@matevochemicals.com
微信：+86 13777390546
机器化学家的挑战和机遇
近年来, 由于大规模云计算机计算能力和存储能力的飞速提升、高通量数据的不断积累、先进算法的日趋成熟, 人工智能进入了新一轮的发展热潮, 尤其被广泛应用于计算机视觉、语音识别、自然语言处理、生物信息学、无人驾驶、无人机、智能营销、网络防御、决策管理等高科技前沿领域. 以化学这一重要自然基础学科为例, 传统研究范式常常通过试错和变量降维的方式来建立模型, 但由于研究对象复杂化和高维化, 研究效率低和信息丢失的问题变得日益严重. 人工智能擅长对高复杂度、高维度数据进行挖掘和分析, 能够从海量数据中寻找变量之间的“隐藏”关联, 发现物质科学的内在规律. 因此, 人工智能被认为继实验、理论、模拟之后的第四大研究范式. 近期, 人工智能在化学科学基础研究中取得了不少突破. 例如, 德国明斯特大学Segler等人结合蒙特卡洛树搜索与扩展策略网络, 通过对1200万个反应数据进行训练, 搜索到合适的逆合成路径, 加速了计算机辅助合成路线设计的发展. 复旦大学刘智攀教授结合表面随机行走算法和神经网络技术训练分子和材料的势能面数据, 大幅度加速了材料结构演化和化学反应的预测. 美国西北大学Wolverton等人搭建了量子材料数据库, 通过数据挖掘算法实现对锂离子电池催化剂和电极材料、镁合金结构和新型三组分材料的预测和设计.
