編輯/綠蘿
人工智慧已經對眾多科研領域產生了深遠影響，例如在蛋白質摺疊領域 AI 已經超越了人類。那麼在化學領域會出現 AI 化學家嗎？
谷歌的 DeepMind 團隊繼開源了蛋白質結構預測工具 AlphaFold2 之後，於 2021 年 12 月構建的神經網路可以預測分子內電子分佈，從而計算出分子特性。而這一突破對於 AI、化學、材料學領域都有重要影響。
2021 年，國內外在 AI 賦能化學領域湧現出大量科學研究。如：準確預測化學反應；快速分類化學反應；化合物命名與性質預測；有機合成與藥物設計；儀器分析表徵更精確、高效......
不得不說，AI 在一定程度上解放了化學家的雙手，但也面臨挑戰，希望接下來，在化學領域有更深入的研究。
接下來，ScienceAI 將回顧 2021 年 AI 在化學領域的一些重要研究進展。
友情提示：點選小標題可直接訪問文章
- 用貝葉斯演算法最佳化化學反應，還推出了開源工具包
- 預測有機反應：從機制到機器學習
- 虛擬化學實驗室，強化學習選出解決化學問題的最優AI工具
- 科研人再也不擔心有機物命名不規範了：基於Transformer的開源工具自動起名
- IBM RXN: 深度學習在化學反應分類上大放異彩
- 很適用，阿斯利康對 IBM 有機反應分類機器學習方法的驗證
- 元素週期表應加上氧化態？機器學習破解晶體結構的氧化態
- 機器學習預測化合物「圖」3D結構，繞過能量最小化，速度提高超一百萬倍
- 探索化學空間：人工智慧可以帶我們去人類從未去過的地方嗎？
- 量子力學與機器學習相結合，預測高溫下的化學反應
- Science重磅：DeepMind再獲突破，用AI開啟理解電子相互作用之路
- DeepMind AI 解決了化學中最有價值的技術之一
- 圖神經網路準確預測無機化合物性質，加速固態電池的設計
- 將理論注入深度學習，對過渡金屬表面進行可解釋的化學反應性預測
- 最快只需幾秒！「智化科技」國產化學合成路線規劃AI平臺
- 人工智慧用於藥物設計必須要解決的五大挑戰
- 藥物化學再添新工具，用Transformer打造的互動式化學反應圖集
- 加速鋰電池充電速度，史丹佛研究登上Nature子刊
- MIT化學家開發AI應用，為藥物發現提速
- 當第一性原理遇上AI，發現200多種新催化劑
- 諾獎再遭質疑，科研人要「瘋」了：每年一萬多篇文章的 XPS 資料可能都是錯的嗎？
- AI 改進半導體分層技術，賦能計算機晶片、電池製造
- GNN+領域知識，川大提出高普適性共晶篩選模型（程式碼開源）
- 機器學習解決核磁共振譜中「誰是誰」的問題，可直接從晶體結構預測化學位移