人工智能工具(Artificial-intelligence tool)可以帮助科学家设计多步骤化学反应路线
      化学家们有了一个新的实验室助手：人工智能(artificial intelligence)。研究人员开发了一种“深度学习”计算机程序(a ‘deep learning’ computer program)，该程序能够为需要合成的小型有机分子设计反应路线，如药物化合物。这个工具推荐的合成路线与化学家们设计的一样好。
      这款工具在3月28日的《自然》杂志上发表，这并不是第一款代替人类的技能和直觉的人工智能(AI)的软件。然而，化学家们认为这是一个里程碑，它可以加速药物发现的进程，使有机合成更有效率。
   “我们在这里看到的是，这种人工智能工具可以掌握合成专家拥有的知识，”Pablo Carbonell说，他在英国曼彻斯特大学设计合成预测工具，并没有参与这项工作。他将这一成果描述为“一份具有里程碑意义的论文”。
       化学家们通常会仔细统计其他人记录的反应列表，并根据自己的直觉得出一个逐步形成特定化合物的路径。它们通常是反向工作的，从它们想要合成的分子开始，然后分析需要哪些现成的试剂和可行的反应路径——这个过程被称为逆合成(retrosynthesis)，它可能需要花费数小时甚至数天来制定计划。

      这一新的人工智能工具是Marwin Segler和他的同事研制的，Marwin Segler是德国mof nster大学的有机化学和人工智能研究员，他们利用深度学习神经网络来吸纳所有已知的单步有机化学反应——大约1224万个。这使该工具能够预测任何单步化学合成反应。同时，该工具反复应用这些神经网络来设计多步骤合成路径，逐步分解所需的目标分子，直到起始反应试剂。
      Segler和他的团队设计了双盲试验(double-blind trial)来测试该工具给出的合成路线，观察经验丰富的化学家是否能从人类设计的合成路线中分辨出哪些是人工智能给出的合成路线。他们展示了化学家为9种分子提供的可能合成路线，这些合成路线由中国和德国两个研究所的45名有机化学家设计的。工具给出一条路线，化学家设计另一条路线。化学家们何难判定哪个是更好的合成路线。
      自上世纪60年代以来，研究人员一直试图利用计算机来规划有机化学合成，但收效甚微。但Segler推出的工具是近年来开发的几个利用人工智能来标记潜在反应路线的项目之一。
      最著名的化学合成软件Chematica于2017年5月被德国制药公司默克收购，价格未披露。Bartosz Grzybowski，韩国Ulsan国家科学技术研究所的一名化学家，他和他的团队花了数年时间将有机化学的规则输入到计算机系统中去。

     本月早些时候，Grzybowski报告说，他在实验室中测试了工具给出的8种合成路线，结果都获得了成功。他说：“我很高兴看到逆合成方法的复兴，并且带来了多种选择。”
     Segler推出的工具有自己独有的特点，因为它只从数据中学习，使用过程中不需要操作者输入各种反应规则。
     计算化学家Ola Engkvist对这项工作印象深刻，他供职于瑞典哥德堡制药公司阿斯利康(AstraZeneca)。他指出：“提高化学合成的成功率将会大大提高药物发现的速度和效率，同时有效降低研发成本。”
     Segler说，他的工具已经引起了几家制药公司的兴趣。但他并不认为这项工具会让有机化学家们失去工作。他说：“它将是化学家们的助手，化学家们想合成分子，并尽快地完成合成路径。”“GPS导航设备可能会使纸质地图变得多余——但它成不了汽车驾驶者。”