Nyligen National Science Open tidningen publicerade online en recensionsartikel ledd av professor Fanyang Mo (School of Materials Science and Engineering, Peking University) och professor Yuntian Chen (Eastern Institute of Technology, Ningbo).
Forskargruppen föreslog en betydande förändring mot automatisering och artificiell intelligens (AI) inom organisk kemi under det senaste decenniet. Dessutom introducerade de ett innovativt koncept:utvecklingen av en generativ, självutvecklande AI-kemiforskningsassistent.
Landskapet för forskning inom organisk kemi har genomgått djupgående förändringar. Data, datorkraft och sofistikerade algoritmer utgör grundpelarna i AI-driven vetenskaplig forskning. Under de senaste åren har de snabba framstegen inom datorteknik, tillsammans med den iterativa förbättringen av algoritmer, initierat en serie paradigmskiften inom den vetenskapliga domänen. Detta har lett till en fullständig översyn av konventionella forskningsmetoder.
Organisk kemi, som i sig är predisponerad för att skapa nya ämnen, är unikt positionerad för att frodas i denna era av intelligent innovation. Forskare globalt konvergerar nu i sina ansträngningar att utforska och utnyttja kapaciteten hos artificiell intelligens inom kemi, och på så sätt tända rörelsen för 'kemi med artificiell intelligens'.
Den akademiska världen ligger för närvarande i framkant av en forskningsrenässans inom detta område. Framtiden har stora löften för tillämpningen av kunskapsinbäddning och kunskapsupptäckande tekniker i vetenskaplig maskininlärning. Detta innovativa tillvägagångssätt är utformat för att minska klyftan mellan befintliga prediktiva modeller och automatiserade experimentella plattformar, och därigenom underlätta utvecklingen av självutvecklande AI-kemiska forskningsassistenter.
Inom området organisk kemi öppnar konceptet kunskapsupptäckt genom vetenskaplig maskininlärning upp nya möjligheter. Kärnan i denna disciplin är förståelsen av reaktionsmekanismer, som ofta involverar komplexa nätverk av mellanprodukter, övergångstillstånd och samtidiga reaktioner.
Traditionella metoder för att dechiffrera dessa mekanismer har varit beroende av kinetiska studier och isotopmärkning. Men en sammanslagning av symbolisk matematik med AI är redo att kasta nytt ljus över dessa intrikata vägar, vilket potentiellt förändrar både förståelsen och undervisningen av organiska kemiska reaktioner.
Dessutom har aspekten av kunskapsinbäddning betydande betydelse ur en organisk kemists perspektiv. Organisk kemi är full av heuristiska regler, allt från Markovnikovs regler för elektrofilisk addition till Baldwins regler för ringslutningar.
Att bädda in dessa etablerade principer i AI-modeller skulle säkerställa att deras förutsägelser inte enbart är datadrivna utan också resonerar med kemisters intuitiva förståelse. Denna integration skulle ge insikter som är både djupare och mer i linje med de nyanserade perspektiven av organisk kemi.
Mer information: Chengchun Liu et al, Transforming organic chemistry research paradigms:move from manual ansträngningar till skärningspunkten mellan automation och artificiell intelligens, National Science Open (2023). DOI:10.1360/nso/20230037
Tillhandahålls av Science China Press
