来源：科技日报
研究的整体结构
图片来源：《自然·通讯》在线版
一篇论文在《自然·通讯》上发表，报道了一种机器学习模型。该模型能够在一定程度上重现职业化学家在工作中所积累的集体知识，这类知识通常被称为“化学直觉”。研究团队认为，这种研究有望提高药物研发的效率
传统上，药物与化学发现需要依靠试错实验和研究人员在工作中积累的知识。使用模拟工具，尤其是机器学习，能让研究人员更快地发现候选分子，极大降低发现新药用化合物的成本。如果要用机器学习预测分子性质，分子就必须还原到数学表达，这通常包含一组性质或“特征”。确定正确特征是这些数据驱动性能预测模型成功的关键。
微软研究院科学智能中心(AI4Science)和瑞士诺华生物医学研究所的合作团队在英国进行了一项实验。他们邀请了35名医学化学家，让他们从5000对分子中选择出他们更偏好的分子。然后，他们将这些选择用于创建一个排序游戏，以训练一个机器学习模型。随后，他们让这个模型对分子进行评分。这个评分是基于多年的行业知识积累，基本上不受其他因素的影响
该团队提出的模型还可用于改进数学模型的推荐，以更好地匹配化学家们的集体专业知识，有望在今后的早期药物研发中缩短迭代时间
研究人员认为，这种方法或能在药物研发中作为对分子建模的补充。
在一些科幻小说的设定中，外星生物出生时就装载有当前时代沉淀下来的所有知识，从而实现文明的高速发展。人类只能靠长时间学习来掌握知识，积累经验。此次，机器学习了直觉，相当于瞬间移植了人类的宝贵经验，就像阿尔法狗快速学习，在围棋领域秒**类大师一样。AI正在给化学带来革命性影响。在新材料发现、准确模拟、优化合成路径等方面，它推动精准化学快速进步，也可大幅缩短药物研发的试错过程。
