機器化學家的挑戰(zhàn)和機遇
分類：行業(yè)動態(tài)
發(fā)布時間：2023-09-27
分享到:
微信掃一掃，然后點擊右上角分享按鈕
新聞鏈接已復制
快去粘貼給你的好友吧!
我知道了
微信掃一掃，然后點擊右上角分享按鈕
新聞鏈接已復制
快去粘貼給你的好友吧!
我知道了
近年來, 由于大規(guī)模云計算機計算能力和存儲能力的飛速提升、高通量數(shù)據(jù)的不斷積累、先進算法的日趨成熟, 人工智能進入了新一輪的發(fā)展熱潮, 尤其被廣泛應用于計算機視覺、語音識別、自然語言處理、生物信息學、無人駕駛、無人機、智能營銷、網(wǎng)絡防御、決策管理等高科技前沿領域. 以化學這一重要自然基礎學科為例, 傳統(tǒng)研究范式常常通過試錯和變量降維的方式來建立模型, 但由于研究對象復雜化和高維化, 研究效率低和信息丟失的問題變得日益嚴重. 人工智能擅長對高復雜度、高維度數(shù)據(jù)進行挖掘和分析, 能夠從海量數(shù)據(jù)中尋找變量之間的“隱藏”關聯(lián), 發(fā)現(xiàn)物質(zhì)科學的內(nèi)在規(guī)律. 因此, 人工智能被認為繼實驗、理論、模擬之后的第四大研究范式. 近期, 人工智能在化學科學基礎研究中取得了不少突破. 例如, 德國明斯特大學Segler等人結合蒙特卡洛樹搜索與擴展策略網(wǎng)絡, 通過對1200萬個反應數(shù)據(jù)進行訓練, 搜索到合適的逆合成路徑, 加速了計算機輔助合成路線設計的發(fā)展. 復旦大學劉智攀教授結合表面隨機行走算法和神經(jīng)網(wǎng)絡技術訓練分子和材料的勢能面數(shù)據(jù), 大幅度加速了材料結構演化和化學反應的預測. 美國西北大學Wolverton等人搭建了量子材料數(shù)據(jù)庫, 通過數(shù)據(jù)挖掘算法實現(xiàn)對鋰離子電池催化劑和電極材料、鎂合金結構和新型三組分材料的預測和設計.
更多推薦
.png?x-oss-process=style/png_small)