当今世界，没有人工智能的日常生活几乎是不可想象的。自动驾驶、外语翻译或医疗诊断等领域的众多应用已经进入我们的生活。在化学研究中，也在努力有效地应用人工智能(AI)，也称为机器学习。这些技术已经被用来预测单个分子的特性，从而使研究人员更容易选择要生产的化合物。

这种生产被称为合成，通常涉及相当大的努力，因为有许多可能的合成方法来生产目标分子。由于每个反应的成功取决于许多参数，即使对于有经验的化学家来说，也不总是能够预测反应是否会发生，或者甚至反应将如何进行。为了解决这种情况，来自德国明斯特大学的化学家和计算机科学家团队合作开发了一种AI工具，该工具现已发表在杂志《化学》上。

背景和方法：

“化学反应是一个高度复杂的系统，”有机化学研究所的博士生、该出版物的主要作者之一弗雷德里克桑福德解释说。他补充说：“与预测单一化合物的性质相反，反应是许多分子的相互作用，因此这是一个多维问题。”此外，没有明确界定的“游戏规则”。就像现代的象棋计算机一样，可以简化AI模型的开发。因此，以前准确预测反应结果(如产率或产物)的方法主要是基于分子特性的先验知识。“开发这种模型需要很大的努力。此外，

因此，建议的工作侧重于此程序的普遍适用性，以便其他化学家可以在自己的工作中轻松使用它。为了确保这一点，模型直接基于分子结构。计算机科学领域的另一位作者MariusKhnemund解释说：“每一种有机化合物都可以用图形表示，原则上也可以用图像表示。“在这样的图上，为了尽可能准确地捕捉所谓的化学环境，可以进行简单的结构查询(类似于照片中的颜色或形状问题)。”

许多这样的连续查询的组合产生了所谓的分子指纹。这些简单的数字序列已经在化学信息学中使用了很长时间来寻找结构相似性，因此它们非常适合于计算机辅助应用。在他们的方法中，作者使用了大量这样的指纹来尽可能准确地表示每个分子的化学结构。MariusKhnemund补充道：“通过这种方式，我们已经能够开发出一种强大的系统，可以用来预测完全不同的反应结果。同样的模型可以用来预测产率和立体选择性，这是独一无二的。”

作者证明，他们的程序可以很容易地应用，并可以通过使用最初不是为机器学习而创建的数据集进行准确的预测，特别是在与现代机器人技术相结合的情况下。弗雷德里克桑德福特(Frederik Sandfort)解释说：“这个数据集只包含原材料的相对销量，而不包含确切的产量。”“要获得准确的产量，您必须创建校准。但是，由于工作量很大，实际上很少这样做。”

该团队将继续开发其程序，并在未来为其配备新功能。弗兰克格洛里厄斯教授信心满满：“在评估大量复杂数据时，计算机从根本上优于我们。然而，我们的目标不是用机器取代合成化学家，而是尽可能有效地支持他们。基于模型的人工智能可以极大地改变我们进行化学合成的方式。但我们仍处于起步阶段。”