人工智能算法超越化學家,精確預測科學試驗


圖片來源Engadget

科學研究領域中,追求真理經常意味着穿着白大褂在實驗室做實驗,其中免不了做一些失敗的試驗。沒關係,因為失敗的試驗有時候也能帶來很多新發現。現在,哈佛大學正努力幫助科學家加速試驗研究的速度,通過一個可以預測化學反應成功率的機器學習算法,算法成功率超過了人類科學家。

算法分析了失敗實驗的數據。通常,這些數據呆在實驗室的電腦裏,只有做原始實驗的科學家才會接觸到這些數據。哈佛大學採取了另一種方法,將幾千個成功和失敗的數據數字化,創造了一個開放的巨大數據庫。化學副教授Joshua Schrier將每個實驗的特性分解,研究員化學副教授Alexander Norquist研究出了機器學習算法。

如《自然》雜誌解釋道,團隊專注在結晶反應,這種反應需要將一組試劑在溶劑中混合並加熱。具體來説,這需要一種叫做釩亞硒酸鹽的材料,是鋁、硒和氧氣形成的化合物。研究員通過看筆記,基於多年的科研經驗預測了新的反應結果。但是算法可以看得更加深入,發現數據背後人類科學家沒有看出來的模式。

在大約500個案例中,算法可以以89%的比例生成結晶。而研究員只有78%的成功率。“用機器學習模型,不帶任何偏見地來審視這些沒有利用起來的數據,可以帶來無價的預測幫助科學家。”哈佛化學及生物化學教授Alan Aspuru-Guzik説。“尤其是數據中可以產生有實質意義的關聯和預測,這能加速新材料的研究發現。”

這樣的思路還可能改變科學新發現的報導方式。目前,研究員經常只針對能夠成功產生化合物的材料和過程發表論文,而各種失敗的數據則被忽略,埋沒在實驗室的電腦硬盤裏。“很可能在實驗開發和情景優化的過程中,為了一次成功反應需要做一百次反應。”Norquist解釋道,“我將這些失敗的反應看做冰山在水面以下的部分——我們所見到的科研結果,只是冰山一角。”

團隊的數據庫科研在Dark Reaction Project項目網站(http://darkreactions.haverford.edu/)上獲得。團隊希望,其他科學家科研可以來分享他們的失敗案例,從而不斷提升數據庫,以及機器學習的預測能力。

Via Engadget


資料來源:雷鋒網
作者/編輯:逸炫

如果喜歡我們的文章,請即分享到︰

標籤: AI  Dark Reaction Project