麻省理工学院的劳伦·欣克尔 信用:Pixabay/CC0公共领域 化学工程师和材料科学家一直在寻找下一个革命性的材料、化学品和药物
机器学习方法的兴起正在加快发现过程，否则这可能需要数年时间
麻省理工学院电气工程和计算机科学教授Wojciech Matusik说:“理想情况下，目标是在一些现有的化学样本上训练一个机器学习模型，然后让它产生尽可能多的同一类别的可制造分子，并具有可预测的物理属性。”
“如果你拥有所有这些成分，你就可以构建具有最佳特性的新分子，而且你也知道如何合成它们
这是该领域的人们想要实现的总体愿景” 然而，当前的技术，主要是深度学习，需要大量的数据集来训练模型，许多特定类别的化学数据集包含少量的示例化合物，这限制了它们概括和生成可以在现实世界中创建的物理分子的能力
现在，麻省理工学院和IBM的研究人员发表了一篇新论文，利用生成图模型来解决这个问题，在与训练数据相同的化学类别中构建新的可合成分子
为了做到这一点，他们将原子和化学键的形成视为一张图表，并开发了一种图表语法——一种用于单词排序的系统和结构的语言学类比——包含一系列构建分子(如单体和聚合物)的规则
使用从训练集推断的语法和产生式规则，该模型不仅可以对其示例进行反向工程，还可以以系统和数据高效的方式创建新的化合物
“我们基本上建立了一种创造分子的语言，”Matusik说，“这种语法本质上是生成模型
" Matusik的合著者包括麻省理工学院研究生郭，他是第一作者，北辰李以及IBM Research的研究人员Veronika Thost，Payal Das和
Matusik、Thost和Chen隶属于麻省理工学院-IBM沃森人工智能实验室
他们的方法，他们称之为数据高效图语法(DEG ),将在国际学习表征会议上发表
“我们想用这种语法表示法来生成单体和聚合物，因为这种语法是可解释的和有表现力的，”郭说
“仅用少数几个产生式规则，我们就能生成许多种结构
" 分子结构可以被认为是图形中的符号表示——由化学键(边)连接在一起的一串原子(节点)
在这种方法中，研究人员允许模型采用化学结构，并将分子的亚结构折叠成一个节点；这可能是由一个键连接的两个原子，一个键合原子的短序列，或一个原子环
这一过程重复进行，在此过程中创建产生规则，直到只剩下一个节点
然后，这些规则和语法可以以相反的顺序应用，从零开始重新创建训练集，或者以不同的组合进行组合，以产生相同化学类别的新分子
“现有的图形生成方法一次只能生成一个节点或一条边，但我们正在寻找更高层次的结构，特别是利用化学知识，因此我们不会将单个原子和键视为一个单元
这简化了生成过程，也提高了数据学习的效率，”陈说
此外，研究人员优化了这项技术，使自下而上的语法相对简单明了，这样它就可以制造出可以制造的分子
“如果我们交换应用这些产生规则的顺序，我们会得到另一个分子；更重要的是，我们可以列举所有的可能性，并产生大量的可能性，”陈说
“这些分子中有些是有效的，有些是无效的，所以学习语法本身实际上是找出一个最小的产生式规则集合，这样实际上可以合成的分子的百分比就最大化了
”虽然研究人员专注于每组不到33个样本的三个训练集——丙烯酸酯、扩链剂和异氰酸酯——但他们指出，这一过程可以应用于任何化学类别
为了了解他们的方法的表现，研究人员将DEG与其他最先进的模型和技术进行了对比测试，考察了化学有效和独特分子的百分比，所创建分子的多样性，逆合成的成功率，以及属于训练数据单体类的分子的百分比
“我们清楚地表明，在可合成性和隶属度方面，我们的算法大大优于所有现有的方法，而在其他一些广泛使用的指标方面，它是可比的，”郭说
此外，“我们算法的惊人之处在于，我们只需要大约0
15%的原始数据集，与在数万个样本上训练的最先进方法相比，可以获得非常相似的结果
我们的算法可以专门处理数据稀疏的问题
" 在不久的将来，该团队计划扩大这一语法学习过程，以便能够生成大型图表，并产生和识别具有所需属性的化学物质
研究小组指出，研究人员看到二甘醇方法的许多应用，因为它不仅可以产生新的化学结构
图表是一种非常灵活的表示形式，许多实体都可以用这种形式进行符号化，例如机器人、车辆、建筑物和电子电路
“本质上，我们的目标是建立我们的语法，以便我们的图形表示可以广泛用于许多不同的领域，”郭说，“DEG可以自动设计新的实体和结构，”陈说
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
