江苏龙网

  1. 首页 > 资讯 > 科技 > >

钛媒体|颠覆传统，“AI化学家”有望在制药行业激发变革性突破( 三 )


这项工作可能是一个很好的起点 ， 但许多已发表的实验都存在缺陷 。 据 Collins 估计 ， 化学家们会花费 30%-70% 的时间来解决已知反应中遗漏的细节 。 “进行一个化学反应 ， 是需要研究人员根据之前的实验记录 ， 坐下来逐步操作的 。 ” Collins 说 。
尽管 AutoSyn 和 chemputer 都能复制如今大部分已发布的反应 ， 但他们下一步需要让机器变得更可靠 ， 就像 Cronin 所说的那样 “让 Apple 变得时髦” 。
Collins 说 ， 我们过去需要一名工程师来维持 AutoSyn 一半以上的运行 ， 但现在所需的修复时间不到 10% 。 他希望 ， 最终可能实现用户只通过电话就可以对系统进行故障排除 。
Collins 表示：“这仍然是一门非常新的科学 。 过去 18 个月 ， 它才开始真正爆发 。 ”
Make-It美国国防高级研究计划局（DARPA）在推动这一科学发展的过程中发挥了重要作用 ， DARPA 刚结束了一项为期 4 年的 Make-It 项目 ， 该项目的重点研究领域包括自动化分子设计、自动合成（生产）和快速反应筛选 ， 在全自动快速分子生产领域取得重大进展 。 chemputer 和 AutoSyn 都是它的原型 。
在过去 ， 化学家们辛辛苦苦地将原子精加工成新颖的分子结构 ， 需要一个漫长的等待过程 。 Make-It 项目的经理 Anne Fischer 的一个长期目标就是加快发现有用分子的过程 ， 她说：“制造和测试分子始终是一个缓慢的步骤 。 ”
但现在 ， Make-It 已经生产了 chemputer、AutoSyn 等制造分子的机器人工具 ， Fischer 正在指导一个新的 DARPA 项目“加速分子发现（Accelerated Molecular Discovery）” ， 该项目着眼于开发更智能的软件 ， 来告诉机器人要制造什么分子 ， 以及如何制造 。
Fischer 说：“我们现在正在尝试扩展 Make-It 项目所做的工作 ， 这样我们就可以逐步教计算机去发现新的分子 。 ”
许多人认为 ， 我们实现这一过程的秘密武器是机器学习 ， 其实一些能够进行初级化学学习的机器还在研发中 。
自动流动化学系统的持续改进麻省理工学院的化学家 Connor Coley 所在的团队去年将自动流动化学系统融合了一种算法 ， 以对其进行指导 。 该算法在数十万个反应的数据库上进行了训练 ， 能够预测新产品的配方 。 Coley 说：“基于这些模式 ， 该系统试图了解什么样的转化方式应该适用于从未见过的新分子合成” 。
Coley 还强调 ， 该系统还有很长的路要走 。 它是基于相似的分子进行预测 ， 而人类化学家还需要补充机器生成的轮廓中所缺失的细节 。 尽管如此 ， 这项工作还是支持了软件可以提出有用配方的概念 。
麻省理工学院正在与十多家化学和制药公司合作 ， 以改进其分子预测算法 ， 并且一些公司已经将该软件投入使用 。 默克公司（Merck）计算和结构化学助理副总裁 Juan Alvarez 表示 ， Coley 的机器学习算法是该公司向其内部研究人员提供的多种化学预测工具之一 。 他说：“它的部署绝对会影响我们今天的时间表 。 ”
虽然每个研究团队都从不同角度探究自动化 ， 但他们都在解决同一个问题 。 存在着近乎无限多种的分子 ， 其中某些必定是可以拯救生命的药物 ， 或者是一些革命性的新材料 ， 但很少有人拥有这方面的专业技能 ， 来对这些化合物进行分析、制造和测试 。
而这些化学自动化研究团队的目标就是避免浪费那些稀有技能 。
在某些方面 ， 化学家的工作仍然类似于抄写员的工作 ， 他们曾经费尽心思地复制和修正他人的著作 。 像 Cronin 这样的研究人员 ， 就是希望借助相当于印刷机、文字处理器和自动更正机的化学制剂在手 ， 未来的化学家们将花费更少的时间进行重复创作 ， 转而花费更多的时间进行新的创作 。
Fischer 说：“这不是要取代化学家 ， 而是要给化学家提供工具 ， 让他们成为有创造力的高级思考者 。 ”


推荐阅读


上一篇：中年|信创湘军立志打造“云桌面”引领者

下一篇：中年|首届中国工业互联网安全产业峰会暨工业互联网安全大赛在南通成功举行