化学
发现、合成并表征303个新分子，MIT团队开发机器学习驱动的闭环自主分子发现平台
编辑 | X传统意义上，发现所需特性的分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自动化设备和预测合成算法，自主研究设备越来越接近实现。近日，来自 MIT 的研究人员开发了由集成机器学习工具驱动的闭环自主分子发现平台，以加速具有所需特性的分子的设计。无需手动实验即可探索化学空间并利用已知的化学结构。在两个案例研究中，该平台尝试了 3000 多个反应，其中 1000 多个产生了预测的反应产物，提出、合成并表征了 303 种未报道的染料样分子。该研究以《Autonom
ScienceAI 2023「AI+材料&化学」专题年度回顾
编辑 | KX传统的科学探索方式是「爱迪生式」的试错法。材料研发周期非常长，而且耗费的人力物力也是巨大的，并且存在偶然性。新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。以我国为例，工信部对 30 余家大型骨干企业调查结果显示，130 种关键材料中，有 32% 国内完全空白、54% 虽能生产，但性能稳定性较差、只有 14% 左右可以完全自给。2023 年大模型千帆竞发。就在前不久，大型语言模型（LLM）C
Nature|从1.07亿个分子中发现新抗菌化合物，MIT团队开发用于抗生素发现的DL方法
编辑 | 萝卜皮当前，迫切需要发现新结构类别的抗生素来解决持续存在的抗生素耐药性危机。深度学习方法有助于探索化学空间；这些通常使用黑盒模型并且不提供化学见解。麻省理工学院（MIT）的研究人员开发了一种用于抗生素发现的深度学习方法，并表明它可以从大型化学库中识别出潜在的抗生素。研究人员用该方法从药物再利用中心（包含约 6,000 个分子）中发现了 halicin 和 abaucin，并从 ZINC15 库中的约 1.07 亿个分子中发现了新的抗菌化合物。图示：Yann LeCun 转发了这项研究的 Twitter 报
用于化学研究的 GPT-4：什么可以做，什么不可以做？
编辑 | 紫罗GPT-4 在应对化学挑战方面表现出非凡的能力，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理解，这表明它可以以类似于人类思维过程的方式预测和提出实验结果。」最近，Hatakeyama-Sato 和他的同事在《Science and Technology of Advanced Materials: Methods》杂志上发表题为《用于化学研究的 GPT-4 指示工程：什么可以/不可以做？》（「Prompt engineering of
专访MIT贾皓钧&段辰儒博士：AI4S时代的化学材料发现——「AI炼金术」
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材料作为灯丝，凭着不断试错方法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，新型材料的研发变得愈发复杂。现在，研究者经常需要在上百万大小的材料空间同时优化数十个不同的性质，以寻找适用于电池、半导体、催化剂和合金等领域的新材料。如果说爱迪生需要 99% 的汗水，那现在研究者可能需要 99.99% 的汗水。而新型材料的研发历程就有点像人们去「沙滩」
飞秒级化学反应放缓至肉眼可见，首次使用量子计算机将模拟化学反应减慢1000亿倍
澳大利亚悉尼大学的科学家首次使用量子计算机直接观察到一个对化学反应至关重要的过程，实现这一突破的关键是将原过程速度从飞秒尺度减慢至毫秒尺度。联合首席研究员 Vanessa Olaya Agudelo 博士说：「通过了解分子内部和分子之间的这些基本过程，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分子与光相互作用的其他过程，例如烟雾是如何产生的或臭氧层是如何被破坏的。」研究小组目睹了化学中一种常见的被称为「圆锥形交叉点」的几何结构引起的单个原子的干涉图案。圆锥形交叉点在化
对于化学家来说，人工智能革命尚未发生？
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。拥有「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 还没有走得足够远。其中一个领域是化学，机器学习工具有望在研究人员寻找和合成有用的新物质的方式上掀起一场革命。但大规模革命尚未发生——因为缺乏可用于「投喂」人工智能系统的数据。任何 AI 系统的好坏取决
AI for Science：人工智能改变化学领域，机器学习范式加速化学物质发现
随着人工智能技术兴起，在化学领域，传统的基于实验和物理模型的方式逐渐与基于数据的机器学习范式融合。越来越多的用于计算机处理数据表示被开发出来，并不断适应着以生成式为主的统计模型。