AI在线 AI在线

化学

AI 驱动化学空间探索，大语言模型精准导航，直达目标分子

AI 驱动化学空间探索，大语言模型精准导航，直达目标分子
作者 | 「深度原理」陆婕妤编辑 | ScienceAI现代科学研究中，化学空间的探索是化学发现和材料科学的核心挑战之一。 过渡金属配合物（TMCs）的设计中，由金属和配体组成的庞大化学空间为多目标优化的搜索带来了难度。 为了解决这一问题，来自「深度原理」 (Deep Principle) 和康奈尔大学的研究者们开发了一种名为 LLM-EO（Large Language Model for Evolutionary Optimization）的新型工作流程算法，释放大型语言模型（LLM）的生成和预测潜能，显著提高了化学空间探索的效率。
10/25/2024 11:54:00 AM
ScienceAI
成功率提升15%，浙大、碳硅智慧用LLM进行多属性分子优化，登Nature子刊

成功率提升15%，浙大、碳硅智慧用LLM进行多属性分子优化，登Nature子刊
编辑 | 萝卜皮优化候选分子的物理化学和功能特性一直是药物和材料设计中的一项关键任务。 虽然人工智能很适合处理平衡多个（可能相互冲突的）优化目标的任务，但是例如多属性标记训练数据的稀疏性等技术挑战，长期以来阻碍了解决方案的开发。 在最新的研究中，浙江大学侯廷军团队、中南大学曹东升团队以及碳硅智慧团队联合开发了一种分子优化工具 Prompt-MolOpt。
10/23/2024 2:06:00 PM
ScienceAI
化学空间导航仪：流生成式AI引导分子属性控制

化学空间导航仪：流生成式AI引导分子属性控制
作者 | 康奈尔大学魏光浩编辑 | ScienceAI分子设计是药物发现和材料科学中的一个核心挑战。目前，潜在可行的药物类小分子化合物的数量估计在10^23到10^60之间。这意味着即使使用最先进的计算方法，也无法穷举地搜索所有可能的分子结构。
10/14/2024 2:25:00 PM
ScienceAI
中国科大、科大讯飞团队开发ChemEval：化学大模型多层次多维度能力评估的新基准

中国科大、科大讯飞团队开发ChemEval：化学大模型多层次多维度能力评估的新基准
编辑 ｜ ScienceAI近日，认知智能全国重点实验室、中国科学技术大学陈恩红教授团队，科大讯飞研究院 AI for Science 团队发布了论文《ChemEval: A Comprehensive Multi-Level Chemical Evaluation for Large Language Models》，介绍了新研发的一个面向化学领域大模型能力的多层次多维度评估框架 ChemEval。论文链接: : （NLP）的领域中，大语言模型（LLMs）已经成为推动语言理解与生成能力不断进步的强大引擎。随着这些
10/5/2024 6:38:00 AM
ScienceAI
筛选数十亿化合物库，华盛顿大学药物AI虚拟筛选平台，登Nature子刊

筛选数十亿化合物库，华盛顿大学药物AI虚拟筛选平台，登Nature子刊
编辑 | KX基于结构的虚拟筛选在药物发现中发挥着重要作用，科学家对数十亿种化合物库的筛选越来越感兴趣。但只有少数的筛选取得成功，此外，对于基于物理的对接方法而言，对整个超大型库进行虚拟筛选耗时且成本高昂。基于此，华盛顿大学研究团队开发了一种高度准确的基于结构的虚拟筛选方法 RosettaVS，用于预测对接姿势和结合亲和力。RosettaVS 在广泛的基准测试中优于其他最先进的方法。研究人员将其整合到一个新的开源 AI 加速虚拟筛选平台中，用于药物发现。利用这个平台，针对两个不相关的靶标，即泛素连接酶靶标 KLHD
9/12/2024 2:48:00 PM
ScienceAI
打开AI黑匣子，「三段式」AI用于化学研究，优化分子同时产生新化学知识，登Nature

打开AI黑匣子，「三段式」AI用于化学研究，优化分子同时产生新化学知识，登Nature
编辑 | KXAI 工具的强大功能，令人难以置信。但如果你试图打开引擎盖并了解它们在做什么，你通常会一无所获。AI 常常被视为「黑匣子」。对于化学来说，AI 可以帮助我们优化分子，但它无法告诉我们为什么这是最佳的——重要的特性、结构和功能是什么？近日，伊利诺伊大学厄巴纳-香槟分校（UIUC）的一个跨学科研究团队打开了黑匣子，研究人员通过将 AI 与自动化学合成和实验验证相结合，找到了 AI 所依赖的化学原理，从而改进用于收集太阳能的分子。研究找到了比现有稳定四倍的捕光分子，同时给出了使其保持稳定的重要见解 ——这是
9/4/2024 2:19:00 PM
ScienceAI
「两全其美」，从头设计分子，深度学习架构S4用于化学语言建模

「两全其美」，从头设计分子，深度学习架构S4用于化学语言建模
编辑 | KX生成式深度学习正在重塑药物设计。化学语言模型 (CLM) 以分子串的形式生成分子，对这一过程尤为重要。近日，来自荷兰埃因霍芬理工大学（Eindhoven University of Technology）的研究人员将一种最新的深度学习架构（S4）引入到从头药物设计中。结构化状态空间序列（Structured State Space Sequence，S4）模型在学习序列的全局属性方面表现卓越，那么 S4 能否推进从头设计的化学语言建模？为了给出答案，研究人员系统地在一系列药物发现任务上对 S4 与最先
8/2/2024 3:20:00 PM
ScienceAI
DeepMind开发用于量子化学计算的神经网络变分蒙特卡罗

DeepMind开发用于量子化学计算的神经网络变分蒙特卡罗
编辑 | X近百年前，狄拉克提出正电子概念，如今在医学物理、天体物理及材料科学等多个领域都具有技术相关性。然而，正电子-分子复合物基态性质的量子化学计算具有挑战性。在此，DeepMind 和伦敦帝国理工学院的研究人员，使用最近开发的费米子神经网络 (FermiNet) 波函数来解决这个问题，该波函数不依赖于基组。研究发现 FermiNet 可以在一系列具有各种不同定性正电子结合特性的原子和小分子中产生高度精确的、在某些情况下是最先进的基态能量。研究人员计算了具有挑战性的非极性苯分子的结合能，发现与实验值高度一致，并
7/12/2024 2:46:00 PM
ScienceAI
探索复合材料中的原子扩散，加州大学开发神经网络动力学方法

探索复合材料中的原子扩散，加州大学开发神经网络动力学方法
编辑 | 绿罗就像随风扩散、扑面而来的花香，材料中的原子与分子也在进行着它们的「扩散」。材料中的扩散决定了沉淀、新相形成和微观结构演化的动力学，并强烈影响机械和物理性能。成分复杂的材料固有的化学复杂性，给原子扩散建模和化学有序结构的形成带来了挑战。在此，加州大学的研究人员提出了一种神经网络动力学（NNK）方法，用于预测成分复杂材料中的原子扩散，及其由此产生的微观结构演化。该框架基于高效的晶格结构和化学表征，结合人工神经网络，能够精确预测所有依赖于路径的迁移势垒和单个原子跳跃。可扩展的 NNK 框架为探索隐藏着非凡属
6/17/2024 3:05:00 PM
ScienceAI
化学能力超GPT-4，首个化学领域百亿级大模型，思必驰、上交大、苏州实验室联合发布

化学能力超GPT-4，首个化学领域百亿级大模型，思必驰、上交大、苏州实验室联合发布
编辑 | ScienceAI2024年3月12日，思必驰-上海交大智能人机交互联合实验室、苏州实验室共同发布了首个针对化学科学的百亿级专业化大模型ChemDFM。模型参数现已完全开源以帮助和促进大模型辅助化学科研领域的相关研究（）。此外，ChemDFM的研究论文也已作为相关领域的第一篇研究论文于arXiv预印本网站上公开发表。论文链接：，引入了海量的化学基础与前沿知识，充分学习并掌握化学科学的专有语言与表达方式，最终以130亿的参数量在大多数化学相关的能力上超越了公认最强大的模型GPT-4。此外，在进一步的评测中C
4/7/2024 5:54:00 PM
ScienceAI
Nature 子刊 | 动态可编程系统，能够制造、优化和发现新分子

Nature 子刊 | 动态可编程系统，能够制造、优化和发现新分子
编辑 | X化学机器人平台正在迅速发展，但大多数系统目前无法适应实时变化的环境。近日，来自英国格拉斯哥大学（The University of Glasgow）的研究人员提出了一个动态可编程系统，能够制造、优化和发现新分子，该系统利用七个传感器连续监测反应。通过开发动态编程语言，研究展示高放热氧化反应、终点检测以及关键硬件故障检测的 10 倍放大。还展示了如何使用在线光谱（例如 HPLC、拉曼和 NMR）进行反应的闭环优化。从选定的化学空间中发现的两个先前未报告的反应，在 25-50 次迭代中实现高达 50% 的产
2/26/2024 4:43:00 PM
ScienceAI
发现、合成并表征303个新分子，MIT团队开发机器学习驱动的闭环自主分子发现平台

发现、合成并表征303个新分子，MIT团队开发机器学习驱动的闭环自主分子发现平台
编辑 | X传统意义上，发现所需特性的分子过程一直是由手动实验、化学家的直觉以及对机制和第一原理的理解推动的。随着化学家越来越多地使用自动化设备和预测合成算法，自主研究设备越来越接近实现。近日，来自 MIT 的研究人员开发了由集成机器学习工具驱动的闭环自主分子发现平台，以加速具有所需特性的分子的设计。无需手动实验即可探索化学空间并利用已知的化学结构。在两个案例研究中，该平台尝试了 3000 多个反应，其中 1000 多个产生了预测的反应产物，提出、合成并表征了 303 种未报道的染料样分子。该研究以《Autonom
1/2/2024 4:14:00 PM
ScienceAI
ScienceAI 2023「AI+材料&化学」专题年度回顾

ScienceAI 2023「AI+材料&化学」专题年度回顾
编辑 | KX传统的科学探索方式是「爱迪生式」的试错法。材料研发周期非常长，而且耗费的人力物力也是巨大的，并且存在偶然性。新材料的设计与研发往往面临挑战：急需的新材料难以快速筛选设计，而设计出的新材料又难以找到高效且低成本的合成配方，拥有合成配方的新材料又会面临规模化的长周期探索。以我国为例，工信部对 30 余家大型骨干企业调查结果显示，130 种关键材料中，有 32% 国内完全空白、54% 虽能生产，但性能稳定性较差、只有 14% 左右可以完全自给。2023 年大模型千帆竞发。就在前不久，大型语言模型（LLM）C
12/28/2023 5:38:00 PM
ScienceAI
Nature|从1.07亿个分子中发现新抗菌化合物，MIT团队开发用于抗生素发现的DL方法

Nature|从1.07亿个分子中发现新抗菌化合物，MIT团队开发用于抗生素发现的DL方法
编辑 | 萝卜皮当前，迫切需要发现新结构类别的抗生素来解决持续存在的抗生素耐药性危机。深度学习方法有助于探索化学空间；这些通常使用黑盒模型并且不提供化学见解。麻省理工学院（MIT）的研究人员开发了一种用于抗生素发现的深度学习方法，并表明它可以从大型化学库中识别出潜在的抗生素。研究人员用该方法从药物再利用中心（包含约 6,000 个分子）中发现了 halicin 和 abaucin，并从 ZINC15 库中的约 1.07 亿个分子中发现了新的抗菌化合物。图示：Yann LeCun 转发了这项研究的 Twitter 报
12/22/2023 3:20:00 PM
ScienceAI
用于化学研究的 GPT-4：什么可以做，什么不可以做？

用于化学研究的 GPT-4：什么可以做，什么不可以做？
编辑 | 紫罗GPT-4 在应对化学挑战方面表现出非凡的能力，但仍然存在明显的弱点。东京工业大学的化学家 Kan Hatakeyama-Sato 表示：「它对化学有着显著的理解，这表明它可以以类似于人类思维过程的方式预测和提出实验结果。」最近，Hatakeyama-Sato 和他的同事在《Science and Technology of Advanced Materials: Methods》杂志上发表题为《用于化学研究的 GPT-4 指示工程：什么可以/不可以做？》（「Prompt engineering of
10/20/2023 3:03:00 PM
ScienceAI
专访MIT贾皓钧&段辰儒博士：AI4S时代的化学材料发现——「AI炼金术」

专访MIT贾皓钧&段辰儒博士：AI4S时代的化学材料发现——「AI炼金术」
作者 | MIT 贾皓钧&段辰儒博士编辑 | 凯霞大家可能从小就听说过爱迪生尝试上千种材料作为灯丝，凭着不断试错方法以及永不言弃的精神，最后研发出日用白炽灯的故事——天才靠的是百分之一的灵感和百分之九十九的汗水。然而，随着科学的进步和现代社会的发展，新型材料的研发变得愈发复杂。现在，研究者经常需要在上百万大小的材料空间同时优化数十个不同的性质，以寻找适用于电池、半导体、催化剂和合金等领域的新材料。如果说爱迪生需要 99% 的汗水，那现在研究者可能需要 99.99% 的汗水。而新型材料的研发历程就有点像人们去「沙滩」
10/19/2023 6:07:00 PM
ScienceAI
飞秒级化学反应放缓至肉眼可见，首次使用量子计算机将模拟化学反应减慢1000亿倍

飞秒级化学反应放缓至肉眼可见，首次使用量子计算机将模拟化学反应减慢1000亿倍
澳大利亚悉尼大学的科学家首次使用量子计算机直接观察到一个对化学反应至关重要的过程，实现这一突破的关键是将原过程速度从飞秒尺度减慢至毫秒尺度。联合首席研究员 Vanessa Olaya Agudelo 博士说：「通过了解分子内部和分子之间的这些基本过程，我们可以在材料科学、药物设计或太阳能收集方面开辟一个新的可能性世界。「它还可以帮助改善依赖分子与光相互作用的其他过程，例如烟雾是如何产生的或臭氧层是如何被破坏的。」研究小组目睹了化学中一种常见的被称为「圆锥形交叉点」的几何结构引起的单个原子的干涉图案。圆锥形交叉点在化
8/30/2023 5:20:00 PM
ScienceAI
对于化学家来说，人工智能革命尚未发生？

对于化学家来说，人工智能革命尚未发生？
编辑 | 绿萝许多人担心 AI 已经走得太远，或者有走得太远的风险。拥有「AI 教父」之称的杰弗里·辛顿（Geoffrey Hinton）最近辞去了谷歌副总裁的职务，理由是希望不受约束地公开谈论 AI 对社会和人类福祉的潜在风险。但是，与这些大局的担忧相反，在许多科学领域，你会听到一种不同的沮丧情绪在悄悄地表达：AI 还没有走得足够远。其中一个领域是化学，机器学习工具有望在研究人员寻找和合成有用的新物质的方式上掀起一场革命。但大规模革命尚未发生——因为缺乏可用于「投喂」人工智能系统的数据。任何 AI 系统的好坏取决
5/18/2023 4:24:00 PM
ScienceAI