化学与计算机科学联手将人工智能应用于化学反应

在过去几年中，研究人员越来越多地转向数据科学技术来帮助解决有机合成中的问题。普林斯顿大学A.BartonHepburn化学教授AbigailDoyle实验室的研究人员开发了开源软件，为他们提供了最先进的优化算法，可用于日常工作，折叠在机器学习领域进入合成化学。

普林斯顿化学家BenjaminShields和AbigailDoyle与计算机科学家RyanAdams(未图示)合作开发了可以优化反应的机器学习软件——使用人工智能来加速化学家过去必须逐一完成的数千种反应。

拍摄者C.ToddReichart，化学系

该软件采用贝叶斯优化(BO)的关键原理，以实现更快、更高效的化学品合成。

基于确定条件概率的数学公式贝叶斯定理，BO是科学中广泛使用的策略。从广义上讲，它允许人和计算机使用先验知识来通知和优化未来的决策。

Doyle实验室的化学家与计算机科学教授RyanAdams以及Bristol-MyersSquibb的同事合作，将人类的决策能力与软件包进行了比较。他们发现优化工具比人类参与者产生更高的效率，并且对测试反应的偏见更少。他们的工作出现在最新一期的《自然》杂志上。

“反应优化在化学合成中无处不在，无论是在学术界还是在整个化学工业中，”Doyle说。“由于化学空间如此之大，化学家不可能通过实验评估整个反应空间。我们希望开发和评估BO作为合成化学的工具，因为它在科学中的相关优化问题上取得了成功。”

本杰明·希尔兹(BenjaminShields)是Doyle实验室的前博士后研究员，也是该论文的主要作者，他创建了Python程序包。

“我来自合成化学背景，所以我非常欣赏合成化学家非常擅长自己解决这些问题，”希尔兹说。“我认为贝叶斯优化的真正优势在于它允许我们对这些高维问题进行建模并捕捉我们自己可能在数据中看不到的趋势，因此它可以更好地处理数据。

“第二，在一个空间内，它不会被人类化学家的偏见所阻碍，”他补充道。

该软件最初是为了满足Shields的博士要求而进行的场外项目。Doyle和Shield随后在计算机辅助合成中心(C-CAS)下组建了一个团队，这是国家科学基金会在五所大学发起的一项计划，旨在改变复杂有机分子合成的计划和执行方式。自2019年以来，Doyle一直是C-CAS的首席研究员。

“反应优化可能是一个昂贵且耗时的过程，”亚当斯说，他也是统计和机器学习项目的主任。“这种方法不仅使用最先进的技术加速它，而且还找到了比人类通常识别的更好的解决方案。我认为这只是贝叶斯优化在这个领域的可能性的开始。”

用户首先定义一个搜索空间——要考虑的合理实验——例如催化剂、试剂、配体、溶剂、温度和浓度的列表。一旦准备好该空间并且用户定义了要运行的实验数量，软件就会选择要评估的初始实验条件。然后它建议运行新的实验，通过越来越小的选择进行迭代，直到反应得到优化。

希尔兹说：“在设计软件时，我试图包括一些方法，让人们可以注入他们对反应的了解。”“无论你如何使用它或一般的机器学习，总会有人类专业知识有价值的情况。”

在过去几年中，研究人员越来越多地转向数据科学技术来帮助解决有机合成中的问题。

普林斯顿大学A.BartonHepburn化学教授AbigailDoyle实验室的研究人员开发了开源软件，为他们提供了最先进的优化算法，可用于日常工作，折叠在机器学习领域进入合成化学。

普林斯顿化学家BenjaminShields和AbigailDoyle与计算机科学家RyanAdams(未图示)合作开发了可以优化反应的机器学习软件——使用人工智能来加速化学家过去必须逐一完成的数千种反应。

拍摄者C.ToddReichart，化学系

该软件采用贝叶斯优化(BO)的关键原理，以实现更快、更高效的化学品合成。

基于确定条件概率的数学公式贝叶斯定理，BO是科学中广泛使用的策略。从广义上讲，它允许人和计算机使用先验知识来通知和优化未来的决策。

Doyle实验室的化学家与计算机科学教授RyanAdams以及Bristol-MyersSquibb的同事合作，将人类的决策能力与软件包进行了比较。他们发现优化工具比人类参与者产生更高的效率，并且对测试反应的偏见更少。他们的工作出现在最新一期的《自然》杂志上。

“反应优化在化学合成中无处不在，无论是在学术界还是在整个化学工业中，”Doyle说。“由于化学空间如此之大，化学家不可能通过实验评估整个反应空间。我们希望开发和评估BO作为合成化学的工具，因为它在科学中的相关优化问题上取得了成功。”

本杰明·希尔兹(BenjaminShields)是Doyle实验室的前博士后研究员，也是该论文的主要作者，他创建了Python程序包。

“我来自合成化学背景，所以我非常欣赏合成化学家非常擅长自己解决这些问题，”希尔兹说。“我认为贝叶斯优化的真正优势在于它允许我们对这些高维问题进行建模并捕捉我们自己可能在数据中看不到的趋势，因此它可以更好地处理数据。

“第二，在一个空间内，它不会被人类化学家的偏见所阻碍，”他补充道。

该软件最初是为了满足Shields的博士要求而进行的场外项目。Doyle和Shield随后在计算机辅助合成中心(C-CAS)下组建了一个团队，这是国家科学基金会在五所大学发起的一项计划，旨在改变复杂有机分子合成的计划和执行方式。自2019年以来，Doyle一直是C-CAS的首席研究员。

“反应优化可能是一个昂贵且耗时的过程，”亚当斯说，他也是统计和机器学习项目的主任。“这种方法不仅使用最先进的技术加速它，而且还找到了比人类通常识别的更好的解决方案。我认为这只是贝叶斯优化在这个领域的可能性的开始。”

用户首先定义一个搜索空间——要考虑的合理实验——例如催化剂、试剂、配体、溶剂、温度和浓度的列表。一旦准备好该空间并且用户定义了要运行的实验数量，软件就会选择要评估的初始实验条件。然后它建议运行新的实验，通过越来越小的选择进行迭代，直到反应得到优化。

希尔兹说：“在设计软件时，我试图包括一些方法，让人们可以注入他们对反应的了解。”“无论你如何使用它或一般的机器学习，总会有人类专业知识有价值的情况。”