在过去的 20 年里，人工智能 (AI)，特别是机器学习的进步，彻底改变了我们进行科学研究的方式。从绘制基因组序列和发现新型抗生素，到模拟气候变化对地球的影响，甚至在寻找类地行星的过程中绘制星系图，人工智能正在改变众多学科的研究方式。
化学是科学领域中积极拥抱人工智能的学科之一。我们最新的白皮书《化学领域的人工智能：现状与未来机遇》利用我们自有的技术绘制了出版物和专利图谱，深入探讨了人工智能与化学之间的联系。我们揭示了哪些化学领域在人工智能应用方面处于领先地位，以及哪些领域在采用人工智能技术方面仍具有巨大的潜力等待挖掘。
人工智能在化学领域的发展情况如何？
涉及人工智能的化学出版物和专利数量呈爆炸式增长，2015 年至 2020 年间增长了六倍。我们确定了对人工智能相关出版物和专利贡献最大的主要学科，并对其进行了比较，以了解哪些领域正在利用这一新兴技术。在人工智能应用方面处于领先地位的学科包括分析化学、生物化学、工业化学和化学工程，而天然产物和有机化学等领域则具备应用人工智能的潜力（图 1）。
我们研究了 2000 年至 2020 年间这些出版物与专利之间的关系，以了解人工智能如何帮助研究人员解决问题（图 2）。例如，从 21 世纪初到 2014 年，人工智能出版物和专利的重点从探索人类疾病诊断转向了遗传算法，并将其应用于药物发现和微小 RNA 研究。
最近，随着需要解决的问题类型发生变化，出版物和专利的重点已更多地转向 DNA 甲基化和癌症研究。更近期的趋势则是聚焦于与 COVID-19 相关的药物发现。
不出所料，我们的研究还发现，小分子是所分析的人工智能出版物和专利关注的重点。这些内容涵盖了药物发现、逆合成分析和反应优化等主题，反映了制药公司通常在这些领域投入更多资源。
机器学习在化学领域有哪些机遇？
在对 70,000 多篇出版物进行分析时，我们考察了跨学科贡献，并标注了主要学科和次要学科（图 3）。这使我们能够将每个学科绘制在热力图上，图中颜色的深浅反映了每个学科的贡献强度。通过观察，我们可以一眼看出化学领域中哪些研究方向在人工智能应用方面处于领先地位，哪些领域仍具有未被开发的潜力。
例如，多学科出版物在分析化学和生物化学中更为常见，机器学习算法正被用于改进对蛋白质、肽、脂质和核酸的分析，以及预测化学反应甚至发现新分子。人工智能也被广泛应用于材料科学和物理化学领域，这两个学科旨在预测功能材料、结构-性质关系以及优化化学工艺。
在化学领域采用人工智能的障碍
在我们的网络研讨会“化学领域的人工智能：当前趋势与未来机遇”中，顶尖专家探讨了人工智能在化学领域应用所面临的潜在障碍。他们指出了阻碍人工智能在化学领域普及的三大关键因素：
数据质量：最佳预测结果依赖于稳健且高质量的数据集，这些数据集需同时提供用于训练的正反面案例。对于许多机构而言，获取、标准化并准备这些数据目前仍是一项重大挑战。
技术：尽管计算能力（量子计算和云端方案）正在不断提升，但从用户角度来看，仍存在感知上的局限性。然而，如今软件和用户界面的进步已消除了编程门槛，使更多的科学家能够将机器学习应用于其研究工作中。
人才短缺：数据科学领域的人才短缺问题众所周知，而化学家们可能尚未意识到当今人工智能的易用性。加强化学与其他科学学科之间的协作，有助于加速人工智能的整合进程。
机器学习在化学领域的发展机遇
人工智能和训练数据集正被全球科研机构用于解决问题和推动创新，这为数据分析和药物研发带来了重大机遇。
我们最近发布的白皮书揭示了化学领域中多个有望从人工智能技术投资中获益的方向。目前，应用门槛已降至历史最低点，而像 CAS 这样的合作伙伴可以协助获取用于分析的大规模高质量数据集。通过将人工智能融入科学研究，我们不仅能够解决一些最紧迫的问题，还能在传统数据分析的基础上实现跨越式发展。
阅读我们的白皮书，了解我们分析的全部内容及发现的洞察；如果您对人工智能技术如何支持您的研究有任何疑问，请联系 CAS。
