Главная проблема в области создания новых материалов и открытия лекарств - это поиск способов создания сложных органических молекул путем химического соединения более простых строительных блоков. Проблема в том, что эти блоки часто реагируют неожиданным образом.
Исследователи из Кембриджского университета создали алгоритм машинного обучения, который может прогнозировать результаты сложных химических реакций с точностью более 90%, превосходя высококвалифицированных химиков. Алгоритм также показывает химическую «карту» достижения требуемой цели, подсказывая химикам, как делать необходимые соединения.
ИИ может лучше понимать химию, потому что он учитывает закономерности из миллионов опубликованных химических реакций, чего не может сделать химик-человек. Разработанный алгоритм использует инструменты распознавания образов для распознавания реакции химических групп в молекулах, обучая модель миллионам вариантов реакций, опубликованным в патентах.
Исследователи рассматривали прогнозирование результатов химических реакций как проблему машинного перевода. Реагирующие молекулы рассматриваются как один «язык», а продукт - как другой язык. Затем модель использует шаблоны в тексте, чтобы научиться «переводить» между двумя языками.
Используя этот подход, ИИ достигает 90% точности в прогнозировании правильного итогового продукта, тогда как точность обученных химиков-людей не превышает 80%. Исследователи говорят, что алгоритм достаточно точен, чтобы обнаружить ошибки в данных. Кроме того, алгоритм также "понимает", если он чего-то не знает. Он дает оценку неопределенности, которая устраняет неправильные прогнозы с точностью 89%.
https://www.sciencedaily.com/releases/2019/09/190903111250.htm