英國劍橋大學研究員設計了一種機器學習算法，可以比訓練有素的化學家更準確地預測化學反應的結(jié)果，并提出了制造復雜分子的方法，從而消除了藥物發(fā)現(xiàn)的重大障礙。

劍橋大學的研究人員已經(jīng)證明，算法能夠以超過90%的準確度預測復雜化學反應的結(jié)果，優(yōu)于經(jīng)過培訓的化學家。該算法還向化學家展示了如何制造目標化合物，為所需目的地提供化學“圖譜”。

藥物發(fā)現(xiàn)和材料科學的一個主要挑戰(zhàn)是找到通過化學連接更簡單的構建塊來制造復雜的有機分子的方法。問題是這些構建塊經(jīng)常以意想不到的方式作出反應。

“制造分子通常被描述為通過反復試驗實現(xiàn)的藝術，因為我們對化學反應性的理解遠未完成，”劍橋卡文迪什實驗室的Alpha Lee博士說。“機器學習算法可以更好地理解化學，因為它們從數(shù)百萬種已發(fā)表的化學反應中提煉出反應模式，這是化學家無法做到的。”

Lee和他的團隊開發(fā)的算法使用模式識別工具，通過對專利中公布的數(shù)百萬反應模型進行訓練，識別分子中的化學基團如何反應。

研究人員將化學反應預測視為機器翻譯問題。反應分子被認為是一種“語言”，而產(chǎn)品被認為是一種不同的語言。然后，模型使用文本中的模式來學習如何在兩種語言之間“翻譯”。

使用這種方法，該模型在預測看不見的化學反應的正確產(chǎn)品方面達到了90%的準確度，而受過訓練的人類化學家的準確率約為80%。研究人員表示，該模型足夠準確，可以檢測數(shù)據(jù)中的錯誤并正確預測過多的困難反應。

以上就是威久留學小編對"英國劍橋大學用AI學習化學語言克服制藥困難"的介紹，希望對同學們指點迷津。最后威久留學小編在這里衷心的祝愿留學生順利出國留學，學有所成。