人工智能算法超越化學(xué)家，精確預(yù)測科學(xué)試驗(yàn)

圖片來源Engadget

科學(xué)研究領(lǐng)域中，追求真理經(jīng)常意味著穿著白大褂在實(shí)驗(yàn)室做實(shí)驗(yàn)，其中免不了做一些失敗的試驗(yàn)。沒關(guān)系，因?yàn)槭〉脑囼?yàn)有時候也能帶來很多新發(fā)現(xiàn)。現(xiàn)在，哈佛大學(xué)正努力幫助科學(xué)家加速試驗(yàn)研究的速度，通過一個可以預(yù)測化學(xué)反應(yīng)成功率的機(jī)器學(xué)習(xí)算法，算法成功率超過了人類科學(xué)家。

算法分析了失敗實(shí)驗(yàn)的數(shù)據(jù)。通常，這些數(shù)據(jù)呆在實(shí)驗(yàn)室的電腦里，只有做原始實(shí)驗(yàn)的科學(xué)家才會接觸到這些數(shù)據(jù)。哈佛大學(xué)采取了另一種方法，將幾千個成功和失敗的數(shù)據(jù)數(shù)字化，創(chuàng)造了一個開放的巨大數(shù)據(jù)庫。化學(xué)副教授Joshua Schrier將每個實(shí)驗(yàn)的特性分解，研究員化學(xué)副教授Alexander Norquist研究出了機(jī)器學(xué)習(xí)算法。

如《自然》雜志解釋道，團(tuán)隊專注在結(jié)晶反應(yīng)，這種反應(yīng)需要將一組試劑在溶劑中混合并加熱。具體來說，這需要一種叫做釩亞硒酸鹽的材料，是鋁、硒和氧氣形成的化合物。研究員通過看筆記，基于多年的科研經(jīng)驗(yàn)預(yù)測了新的反應(yīng)結(jié)果。但是算法可以看得更加深入，發(fā)現(xiàn)數(shù)據(jù)背后人類科學(xué)家沒有看出來的模式。

在大約500個案例中，算法可以以89%的比例生成結(jié)晶。而研究員只有78%的成功率。“用機(jī)器學(xué)習(xí)模型，不帶任何偏見地來審視這些沒有利用起來的數(shù)據(jù)，可以帶來無價的預(yù)測幫助科學(xué)家。”哈佛化學(xué)及生物化學(xué)教授Alan Aspuru-Guzik說。“尤其是數(shù)據(jù)中可以產(chǎn)生有實(shí)質(zhì)意義的關(guān)聯(lián)和預(yù)測，這能加速新材料的研究發(fā)現(xiàn)。”

這樣的思路還可能改變科學(xué)新發(fā)現(xiàn)的報導(dǎo)方式。目前，研究員經(jīng)常只針對能夠成功產(chǎn)生化合物的材料和過程發(fā)表論文，而各種失敗的數(shù)據(jù)則被忽略，埋沒在實(shí)驗(yàn)室的電腦硬盤里。“很可能在實(shí)驗(yàn)開發(fā)和情景優(yōu)化的過程中，為了一次成功反應(yīng)需要做一百次反應(yīng)。”Norquist解釋道，“我將這些失敗的反應(yīng)看做冰山在水面以下的部分——我們所見到的科研結(jié)果，只是冰山一角。”

團(tuán)隊的數(shù)據(jù)庫科研在Dark Reaction Project項目網(wǎng)站（http://darkreactions.haverford.edu/）上獲得。團(tuán)隊希望，其他科學(xué)家科研可以來分享他們的失敗案例，從而不斷提升數(shù)據(jù)庫，以及機(jī)器學(xué)習(xí)的預(yù)測能力。

Via Engadget

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。