在過去的幾年中，化學(xué)研究只專注于使用從個人經(jīng)驗和文獻中獲得的先前研究成果的進行試驗的方法。盡管在文獻中一直有很多反應(yīng)和化學(xué)途徑可供科學(xué)家使用，但在一系列反應(yīng)／一系列反應(yīng)中可能會發(fā)生許多不可預(yù)測的自發(fā)場景。這是化學(xué)研發(fā)需要時間和耐心才能產(chǎn)生結(jié)果的原因之一。

在過去的十年左右的時間里，計算化學(xué)領(lǐng)域一直在增長。盡管早在那之前，計算方法的使用還是很有限的，但是近年來，它已經(jīng)成為優(yōu)化和預(yù)測化學(xué)研究的非常強大的工具。現(xiàn)在，使用計算方法，化學(xué)家可以預(yù)測反應(yīng)的工作方式，最佳參數(shù)、要使用的試劑和反應(yīng)條件，甚至可以使用計算方法來預(yù)測他們計劃制造的材料／分子的結(jié)構(gòu)和性質(zhì)。

因此，計算方法可以在整個概念、開發(fā)和分析過程中為化學(xué)家提供幫助。那么，為什么近年來使用量增加了？首先，化學(xué)家對計算化學(xué)有了更多的了解，并意識到它可以帶來的好處。第二，更多科學(xué)家現(xiàn)在更容易獲得支持這些模擬所需的計算能力。第三，機器學(xué)習(xí)算法的進步以及它們在計算化學(xué)過程中的集成，使得可以獲得更準確的結(jié)果－實驗進行時，成功的可能性更高。

將機器學(xué)習(xí)應(yīng)用于化學(xué)過程

像許多實施機器學(xué)習(xí)的領(lǐng)域一樣，它在計算化學(xué)領(lǐng)域的用途是從文獻中獲取所有已知數(shù)據(jù)，進行推斷和分析，并預(yù)測最可能的結(jié)果。對于化學(xué)領(lǐng)域，這通常意味著從不同的反應(yīng)中獲取數(shù)據(jù)，例如試劑的類型、化學(xué)物質(zhì)的濃度、工藝條件以及可以生產(chǎn)的產(chǎn)品。

所有這些數(shù)據(jù)都是有價值的，因為它們都是可以決定結(jié)果的因素，使反應(yīng)物成為理想的輸入集，而產(chǎn)物則成為輸出。這些數(shù)據(jù)的使用可以被輸入到機器學(xué)習(xí)算法中，并且可以用來做三件事。首先是通過使用現(xiàn)有數(shù)據(jù)，可以推斷出化學(xué)結(jié)構(gòu)形成的最可能原因（從反應(yīng)／過程的角度來看），并且可以被工業(yè)界用來預(yù)測執(zhí)行其所需功能的新分子。

第二種方法更多地與流程本身有關(guān)。有時，研究人員會想到一個產(chǎn)品，但不知道其過程?？梢詮囊郧暗姆磻?yīng)中獲取數(shù)據(jù)并進行分析，這使算法能夠預(yù)測哪些條件和試劑將負責(zé)分子中不同化學(xué)基團的形成。這使算法可以創(chuàng)建反應(yīng)路徑，該算法顯示了逐步構(gòu)建分子的最可能途徑。

第三種方法是完整的分子設(shè)計方法，該方法以一個想法開始，但沒有定義的產(chǎn)物或反應(yīng)途徑。這采用了其他兩點的原則。盡管如此，除了一個變量（產(chǎn)物或反應(yīng)）外，兩者在技術(shù)上都是未知的，因此算法需要外推產(chǎn)物和反應(yīng)條件，以產(chǎn)生可能的結(jié)果／途徑。這是一項較難執(zhí)行的任務(wù)，但受到了很多關(guān)注。

機器學(xué)習(xí)預(yù)測分子

計算化學(xué)的另一個主要方面是對材料／分子本身，它們的基本內(nèi)在特性以及它們在某些情況／環(huán)境下的行為進行預(yù)測。與工業(yè)中通常采用的工藝優(yōu)化相比，這是計算化學(xué)的更基本、更長時間的使用，并且在學(xué)術(shù)界研究新材料和分子時通常更常用（因為這是時間、金錢和有效產(chǎn)品規(guī)模的體現(xiàn)）。應(yīng)當指出的是，這些努力不僅限于化學(xué)領(lǐng)域，因為在生物和工程領(lǐng)域也使用了類似的計算方法。

即使需要關(guān)注的因素較少（即僅關(guān)注分子，而不是過程和分子），但在此領(lǐng)域中使用計算化學(xué)也很重要，因為它有助于從根本上實現(xiàn)結(jié)果。通常是在創(chuàng)建工業(yè)流程之前發(fā)生的階段－機器學(xué)習(xí)也確實幫助提升了這一領(lǐng)域。

模擬分子的結(jié)構(gòu)及其如何執(zhí)行并非易事。多年來，一直受到需要計算的變量數(shù)量與可用計算能力的限制（許多研究人員共享一臺超級計算機來執(zhí)行上述計算）。機器學(xué)習(xí)在這方面確實有所幫助，因為與以前相比，計算原子的各種數(shù)量、鍵能、能量和反應(yīng)勢壘、量子特性、磁和激發(fā)分子態(tài)以及分子間和分子內(nèi)相互作用都非常容易。

從一組變量和已知數(shù)據(jù)點推斷和預(yù)測最佳解決方案是機器學(xué)習(xí)最擅長的事情，這意味著使用機器學(xué)習(xí)算法可以更輕松地優(yōu)化必須計算的大量數(shù)據(jù)。上述許多變量對分子／分子系統(tǒng)的結(jié)構(gòu)和性質(zhì)都有重要影響，因此推論出比往年更準確的分子和性質(zhì)。它甚至可以使更復(fù)雜的原子（例如元素周期表中的d和f塊元素）的計算精度更高，而在過去的幾年中這是不可能的。

總結(jié)

即使有幾種不同的計算程序可用于創(chuàng)建這些分子模擬，但是機器學(xué)習(xí)也可以應(yīng)用于所有這些模擬中。機器學(xué)習(xí)不僅有助于優(yōu)化和改善工業(yè)水平上的化學(xué)和藥物發(fā)現(xiàn)過程，而且在推論已知和未知分子的分子結(jié)構(gòu)和特性，了解分子在某些情況下的行為以及反應(yīng)最有可能產(chǎn)生的結(jié)果等基礎(chǔ)性方面也發(fā)揮了關(guān)鍵作用。

總體而言，機器學(xué)習(xí)已經(jīng)對計算化學(xué)產(chǎn)生了巨大影響，并且隨著越來越多的化學(xué)家在嘗試實驗程序之前首先轉(zhuǎn)向計算／模擬，機器學(xué)習(xí)將在未來幾年中發(fā)揮更大的作用。
責(zé)任編輯：PSY