Kredit:CC0 Public Domain
Ett nytt verktyg förändrar ansiktet på kemisk forskning drastiskt - artificiell intelligens. I en ny tidning publicerad i Natur , forskare granskar de snabba framstegen inom maskininlärning för de kemiska vetenskaperna.
Nästan varje tekniskt framsteg i mänsklighetens historia åtföljs av upptäckten eller utvecklingen av nya material, från blandning av koppar och zink för att bilda brons till tillverkning av högkvalitativa kiselmikrochips som driver digital teknik.
Att designa material för en specifik efterfrågan är en häpnadsväckande uppgift; en slumpmässig mix-and-match av atomära byggstenar skulle kunna ge vilken som helst av ett oändligt antal möjliga föreningar. Historiskt sett, upptäckten av material har involverat en kombination av slumpen, intuition, och försök och misstag – men allt detta skulle kunna förändras tack vare artificiell intelligens.
Ett internationellt team av forskare från Storbritannien och USA, inklusive Ph.D. student Daniel Davies från Center for Sustainable Chemical Technologies och Department of Chemistry, publicerade en recension om den växande potentialen för maskininlärning för kemisk design.
Daniel sa:"Machine learning är en gren av artificiell intelligens där datorer programmeras genom att lära sig av data. Dessa metoder har funnits ett tag, används flitigt av Google, Yahoo, Amazon etc, för riktad reklam, översättning och skräppostfiltrering till exempel.
"Men på senare tid används de för att förverkliga självkörande bilar och människoliknande robotteknologi. De har precis tillämpats på de fysiska vetenskaperna i stor utsträckning och har enorma konsekvenser för den roll som datorer tar på sig inom vetenskapen. I själva verket , Användningen av "big data" och artificiell intelligens har kallats den fjärde industriella revolutionen eller vetenskapens fjärde paradigm. Maskininlärning används nu för att påskynda den vetenskapliga processen, designa avgörande material och molekyler som vi behöver för hållbar utveckling, snabbare.
"Det huvudsakliga syftet med artikeln är att förklara var maskininlärning börjar leda till specifika utmaningar inom molekylär- och materialforskning som helt enkelt inte kan lösas utan den. Vi identifierar också några viktiga barriärer som måste övervinnas härnäst. Till exempel, hitta sätt på vilka kemikalier och föreningar representeras för datorer som bara "tänker" i 1:or och 0:or, är en stor utmaning.
"Vår slutliga sammanfattning är:"När forskare anammar inkluderingen av maskininlärning med statistiskt driven design i sina forskningsprogram, antalet ansökningar växer i en extraordinär takt. Denna nya generation av beräkningsvetenskap, stöds av en plattform av verktyg med öppen källkod och datadelning, har potential att revolutionera molekylära och materialupptäckta processer.' Jag tror att detta återspeglar välkomstbudskapet som är att vi förutspår att detta område kommer att bli en integrerad del av den vetenskapliga metoden-inte bara ett separat forskningsområde. "
Människor har alltid haft resonemang och intuitionskapacitet som långt överstiger maskinernas. Men forskare börjar nu vända sig till lösningar som drivs av artificiell intelligens för att påskynda sin egen materialupptäckts- och optimeringsprocess.
Dr Keith Butler från ISIS Neutron and Muon Source, huvudförfattare till recensionen, sa:"I traditionella beräkningsmetoder, datorn är lite mer än en miniräknare, använder en hårdkodad algoritm som tillhandahålls av en mänsklig expert. Däremot prestandan för maskininlärningstekniker förbättras genom att se fler och fler verkliga exempel."
Maskininlärning och artificiell intelligens erbjuder möjligheten att träna datorer genom att använda egenskaperna hos material som vi redan känner till, för att hjälpa till att identifiera framtidens mästarsystem. Artificiell intelligens tar hänsyn till alla tillgängliga data lika och hittar trender som en mänsklig forskare kan missa på grund av partiskhet mot en given tolkning.
Men vad är det som driver framsteg på detta område? En viktig drivkraft för explosionen av artificiell intelligens inom kemin är tillväxten av databaser med öppen källkod.
"Detta är särskilt spännande i samband med en anläggning som ISIS där vi producerar stora mängder data, vi sitter på en dataguldgruva och nu börjar vi kunna dra nytta av det, " tillade Dr Butler.