化学

编辑 | 萝卜皮生成合理的晶体结构通常是预测材料化学成分及其性质的第一步，但当前大多数预测方法计算成本高，制约了创新进程。 通过使用优质生成的候选结构来预测晶体结构，可以突破这一瓶颈。 在最新的研究中，英国雷丁大学（University of Reading）的研究人员介绍了 CrystaLLM，这是一种基于晶体学信息文件 (CIF) 格式的自回归大型语言建模 (LLM) 的多功能晶体结构生成方法…

编辑 | KX吸附能是一种反应性描述符，必须准确预测，才能有效地将机器学习应用于催化剂筛选。 该过程涉及在催化表面上的不同吸附构型中找到最低能量。 尽管图神经网络在计算催化剂系统的能量方面表现出色，但它们严重依赖原子空间坐标。

作者 | 「深度原理」陆婕妤编辑 | ScienceAI现代科学研究中，化学空间的探索是化学发现和材料科学的核心挑战之一。 过渡金属配合物（TMCs）的设计中，由金属和配体组成的庞大化学空间为多目标优化的搜索带来了难度。 为了解决这一问题，来自「深度原理」 (Deep Principle) 和康奈尔大学的研究者们开发了一种名为 LLM-EO（Large Language Model for Evo…

编辑 | 萝卜皮优化候选分子的物理化学和功能特性一直是药物和材料设计中的一项关键任务。 虽然人工智能很适合处理平衡多个（可能相互冲突的）优化目标的任务，但是例如多属性标记训练数据的稀疏性等技术挑战，长期以来阻碍了解决方案的开发。 在最新的研究中，浙江大学侯廷军团队、中南大学曹东升团队以及碳硅智慧团队联合开发了一种分子优化工具 Prompt-MolOpt。

作者 | 康奈尔大学魏光浩编辑 | ScienceAI分子设计是药物发现和材料科学中的一个核心挑战。目前，潜在可行的药物类小分子化合物的数量估计在10^23到10^60之间。这意味着即使使用最先进的计算方法，也无法穷举地搜索所有可能的分子结构。

编辑 ｜ ScienceAI近日，认知智能全国重点实验室、中国科学技术大学陈恩红教授团队，科大讯飞研究院 AI for Science 团队发布了论文《ChemEval: A Comprehensive Multi-Level Chemical Evaluation for Large Language Models》，介绍了新研发的一个面向化学领域大模型能力的多层次多维度评估框架 ChemEva…

编辑 | KX基于结构的虚拟筛选在药物发现中发挥着重要作用，科学家对数十亿种化合物库的筛选越来越感兴趣。但只有少数的筛选取得成功，此外，对于基于物理的对接方法而言，对整个超大型库进行虚拟筛选耗时且成本高昂。基于此，华盛顿大学研究团队开发了一种高度准确的基于结构的虚拟筛选方法 RosettaVS，用于预测对接姿势和结合亲和力。RosettaVS 在广泛的基准测试中优于其他最先进的方法。研究人员将其整…

编辑 | KXAI 工具的强大功能，令人难以置信。但如果你试图打开引擎盖并了解它们在做什么，你通常会一无所获。AI 常常被视为「黑匣子」。对于化学来说，AI 可以帮助我们优化分子，但它无法告诉我们为什么这是最佳的——重要的特性、结构和功能是什么？近日，伊利诺伊大学厄巴纳-香槟分校（UIUC）的一个跨学科研究团队打开了黑匣子，研究人员通过将 AI 与自动化学合成和实验验证相结合，找到了 AI 所依赖…

编辑 | KX生成式深度学习正在重塑药物设计。化学语言模型 (CLM) 以分子串的形式生成分子，对这一过程尤为重要。近日，来自荷兰埃因霍芬理工大学（Eindhoven University of Technology）的研究人员将一种最新的深度学习架构（S4）引入到从头药物设计中。结构化状态空间序列（Structured State Space Sequence，S4）模型在学习序列的全局属性方面…

编辑 | X近百年前，狄拉克提出正电子概念，如今在医学物理、天体物理及材料科学等多个领域都具有技术相关性。然而，正电子-分子复合物基态性质的量子化学计算具有挑战性。在此，DeepMind 和伦敦帝国理工学院的研究人员，使用最近开发的费米子神经网络 (FermiNet) 波函数来解决这个问题，该波函数不依赖于基组。研究发现 FermiNet 可以在一系列具有各种不同定性正电子结合特性的原子和小分子中…

编辑 | 绿罗就像随风分散、扑面而来的花香，质料中的原子与分子也在进行着它们的「分散」。质料中的分散决定了沉淀、新相形成和微观构造蜕变的动力学，并强烈影响机械和物理性能。成份搀杂的质料固有的化学搀杂性，给原子分散建模和化学有序构造的形成带来了挑战。在此，加州大学的研究人员提出了一种神经网络动力学（NNK）方法，用于猜测成份搀杂质料中的原子分散，及其由此产生的微观构造蜕变。该框架基于高效的晶格构造和…

编辑 | ScienceAI2024年3月12日，思必驰-上海交大智能人机交互联合实验室、苏州实验室共同发布了首个针对化学科学的百亿级业余化大模型ChemDFM。模型参数现已完全开源以帮助和促进大模型帮助化学科研范畴的相干钻研（）。此外，ChemDFM的钻研论文也已作为相干范畴的第一篇钻研论文于arXiv预印本网站上公开发表。论文链接：，引入了海量的化学基础与前沿常识，充分学习并掌握化学科学的专有…

编辑 | X化学机器人平台正在迅速发展，但大多数零碎目前无法顺应及时变化的环境。近日，来自英国格拉斯哥大学（The University of Glasgow）的研讨职员提出了一个动静可编程零碎，可能制造、优化和创造新份子，该零碎利用七个传感器连续监测回响反映。通过开发动静编程语言，研讨展现高放热氧化回响反映、终点检测以及枢纽硬件故障检测的 10 倍放大。还展现了如何运用在线光谱（例如 HPLC、…

编辑 | X传统意义上，发觉所需特点的份子过程一直是由手动实验、化学家的直觉以及对机制和第一原理的理解推动的。随着化学家越来越多地使用主动化设备和展望分解算法，自决研讨设备越来越接近实现。近日，来自 MIT 的研讨人员开发了由集成机器学习对象驱动的闭环自决份子发觉平台，以加速具有所需特点的份子的设计。无需手动实验即可索求化学空间并利用已知的化学结构。在两个案例研讨中，该平台尝试了 3000 多个反…

编辑 | KX传统的科学摸索方式是「爱迪生式」的试错法。资料研发周期非常长，而且耗费的人力物力也是巨大的，并且存在偶然性。新资料的计划与研发往往面临挑战：急需的新资料难以快速筛选计划，而计划出的新资料又难以找到高效且低成本的分解配方，拥有分解配方的新资料又会面临规模化的长周期摸索。以我国为例，工信部对 30 余家庞大骨干企业调查结果显示，130 种关键资料中，有 32% 国内完全空白、54% 虽能…

编辑 | 萝卜皮当前，迫切需要发觉新构造类型的抗生素来解决持续存在的抗生素耐药性危机。深度进修法子有助于试探化学空间；这些通常运用黑盒模型并且不提供化学见地。麻省理工学院（MIT）的钻研职员开发了一种用于抗生素发觉的深度进修法子，并表明它可以从大型化学库中识别出潜在的抗生素。钻研职员用该法子从药物再利用中心（包含约 6,000 个份子）中发觉了 halicin 和 abaucin，并从 ZINC1…

编辑 | 紫罗GPT-4 在应对化学挑战方面显露出非凡的才智，但仍然存在明显的弱点。东京工业大学的化学家 Kan Hatakeyama-Sato 表示：「它对化学有着显著的明白，这表明它可以以类似于人类思维过程的方式预计和提出实验结果。」最近，Hatakeyama-Sato 和他的同事在《Science and Technology of Advanced Materials: Methods》杂…

作者 | MIT 贾皓钧&段辰儒博士编辑 | 凯霞大家可能从小就听说过爱迪生尝试上千种资料作为灯丝，凭着不断试错法子以及永不言弃的精神，最后研发出日用白炽灯的故事——天才靠的是百分之一的灵感和百分之九十九的汗水。然而，随着科学的进步和现代社会的发展，新型资料的研发变得愈发复杂。现在，研讨者经常需要在上百万大小的资料空间同时优化数十个不同的本质，以寻找适用于电池、半导体、催化剂和合金等规模的…

澳大利亚悉尼大学的科学家首次运用量子计算机间接观看到一个对化学反应至关重要的进程，实现这一突破的关键是将原进程速率从飞秒标准减慢至毫秒标准。联合首席研讨员 Vanessa Olaya Agudelo 博士说：「通过了解份子内部和份子之间的这些基本进程，我们可以在材料科学、药物设计或太阳能收集方面开辟一个新的可能性世界。「它还可以帮助改善依赖份子与光相互作用的其他进程，例如烟雾是如何产生的或臭氧层是…

编辑 | 绿萝许多人担心 AI 已经走得太远，或者有走得太远的风险。具有「AI 教父」之称的杰弗里·辛顿（Geoffrey Hinton）最近辞去了谷歌副总裁的职务，理由是希望不受约束地公开谈论 AI 对社会和人类福祉的潜在风险。但是，与这些大局的担忧相反，在许多科学领域，你会听到一种不同的沮丧情绪在悄悄地表达：AI 还没有走得充足远。其中一个领域是化学，机器学习东西有望在研讨职员寻找和合成有用的…

随着人工智能技术兴起，在化学领域，传统的鉴于尝试和物理模型的方式逐渐与鉴于数据的机械进修范式融合。越来越多的用于计较机处理数据表明被开发出来，并不断适应着以生成式为主的统计模型。