一种新工具正在极大地改变化学研究的面貌-人工智能。在《自然》杂志上发表的一篇新论文中，研究人员回顾了化学科学机器学习的快速发展。人类历史上几乎每一项技术进步都伴随着新材料的发现或开发，从铜和锡的混合到形成青铜，再到制造为数字技术提供动力的高质量硅微芯片。

为特定需求设计材料是一项令人难以置信的任务。原子构造单元的随机混合匹配可以产生无限多种可能的化合物中的任何一种。从历史上看，材料的发现涉及偶然性，直觉和反复试验的结合，但是由于人工智能，这一切都可以改变。

来自英国和的国际科学家团队，包括来自可持续化学技术中心 和 化学系的博士学位学生Daniel Davies ，发表了有关机器学习在化学设计中日益增长的潜力的评论。

丹尼尔说：“机器学习是人工智能的一个分支，通过从数据中学习对计算机进行编程。这些方法已经存在了一段时间，例如Google，Yahoo，Amazon等广泛用于有针对性的广告，翻译和垃圾邮件过滤。

“最近，它们被用于实现自动驾驶汽车和类似人类的机器人技术。它们只是在很大程度上被应用到物理科学中，并且对计算机在科学中所扮演的角色具有巨大的影响。实际上，使用“大数据”和人工智能已被称为第四次工业革命或第四次科学范式。如今，机器学习正被用来加快科学过程，设计出我们为可持续发展所需的关键材料和分子，从而变得更加迅速。

“本文的主要目的是解释机器学习在何处开始引起分子和材料研究中的特定挑战，如果没有它，就无法解决。我们还确定了接下来需要克服的一些关键障碍。例如，寻找将化学物质和化合物表示为仅以“ 1”和“ 0”“思考”的计算机的方式是一个巨大的挑战。

“我们的最终总结是：'随着科学家们将机器学习和统计驱动设计纳入其研究计划中，应用程序的数量正以惊人的速度增长。在开放源代码工具和数据共享平台的支持下，新一代计算科学有可能彻底改变分子和材料发现过程。我认为这很好地反映了带回家的信息，即我们预测该领域将成为科学方法不可或缺的一部分–而不仅仅是一个单独的研究领域。”

人类一直享有远远超过机器的推理和直觉能力。但是，科学家们现在开始转向人工智能驱动的解决方案，以加快他们自己的材料发现和优化过程。

该评论的主要作者，ISIS中子和Muon Source的Keith Butler博士说：“在传统的计算方法中，计算机只不过是计算器，采用了人类专家提供的硬编码算法。相比之下，通过查看越来越多的真实示例，机器学习技术的性能得到了提高。”

机器学习和人工智能可以利用我们已经知道的材料特性来训练计算机，以帮助确定未来的最佳系统。人工智能方法平等地考虑所有可用数据，并发现由于偏向给定解释而导致人类研究人员可能会错过的趋势。

但是，什么推动了这一领域的进步呢?化学人工智能的爆炸式增长的一个重要推动力是开源数据库的增长。

Butler博士补充说：“在像ISIS这样的设施中，这尤其令人兴奋，因为我们可以产生大量数据，我们正坐在数据金矿上，现在我们开始能够利用它。”