SmartChemistry将人工智能和机器学习的力量带入您的实验室

人工智能和机器学习正在改变化学。今天，化学文献包含了如此巨大的信息量，以至于化学家不可能知道以前做过的所有事情。然而，AI和ML工具可以利用所有这些知识，使化学家能够将其应用于手头的问题。当与内部生成的数据相结合时，AI和ML为更有效地进行化学研究提供了强大的工具。

这并不是要取代实验室的化学家，而是补充他们:帮助他们在如何制造或形成分子方面做出更好的决定，并更快地做出这些决定。从根本上说，化学家可能花在研究文献上的时间可以花在发现和创新上，这可以加速研发，降低成本，使化学更加可持续。

这是支撑SmartChemistry^®来自deepmatter的作品集^®．SmartChemistry^®是一套集成的产品，涵盖反应监测、合成设计和优化功能，使化学家能够充分利用数字化学技术的潜力。

deepmatter^®起源于2013年从英国格拉斯哥大学(University of Glasgow)分拆出来的一家公司。据首席产品官格林·威廉姆斯(Glyn Williams)介绍，该公司最初专注于提供实时采集实验数据的服务。从那时起，添加了路线规划和预测工具，并于2022年7月通过收购Chemintelligence再次扩大了公司的投资组合，这带来了优化工具，特别是用于配方的优化工具。

这就是人工智能工具可以发挥最大影响的地方:告诉化学家一些他们以前不知道的东西

格林威廉姆斯

威廉姆斯说:“公共领域有很多信息，通过工具来抓取这些信息，对它们进行分类并提高质量，得到的数据可以为化学提供一个重要的知识库。”“如果这种算法能让你做一次实验，第一次就能做对，就有可能节省大量时间和金钱。”

然而，这些工具只是和他们使用的数据集一样好，并不是文献中的所有内容都是可靠的。智能化学的力量^®在于提供对可靠数据的访问，使用不断扩展和更新的精选数据集。威廉姆斯说:“需要清理和分类。”“对于任何预测，你都面临着‘垃圾输入，垃圾输出’的范式。这就是我们的数据集如此精心策划的原因。”

文献来源补充了来自使用该产品的公司的专有内部数据。威廉姆斯说:“例如，一家制药公司在自己的数据库中有很多有价值的数据，这些数据可能只有在专利申请中才会被公开。”“通过整合这些数据，预测算法的价值可以大大提高。”

捕获实验数据

DigitalGlassware^®是深层物质^®开始了。除了将反应配方数字化，该软件还帮助化学家从实验中获取更多更好的数据。这些数据可以用来为未来的实验做出预测，并最终提高实验室的可重复性和可靠性。

产品经理罗比·沃林厄姆(Robbie Warringham)说:“它解决了一个方面，即缺乏关于烧瓶中发生的事情的数据结构。”“传统的方法是做一个实验，把结果写下来，然后传播出去。但是化学家的行动过程，以及它们如何影响化学反应的结果，并没有被很好地捕捉到。“DigitalGlassware^®在SmartChemistry^®提供了一种以最小的努力捕捉现实的方法——它在后台运行，自动捕捉和分析来自监测反应的传感器的数据，以收集可能错过的信息。

化学家可能要花几个小时在文献中寻找想法，但只需点击几下，软件就能提出新的路线

朱莉丐帮

Warringham说:“结果是一个数据集，数据科学家和AI/ML可以利用它来帮助改善结果。”“这可能包括可重复性、可持续性以及最终的可预测性因素。”通过建立数据集，我们可以开始根据捕获的数据预测未来的结果。”

自然语言处理用于将书面程序转换为结构化语言，从而可以识别反应过程中的关键动作和事件。然后，这些事件与传感器实时捕获的数据相关联，传感器测量温度、pH值甚至颜色等参数。这确保了反应如何进行的准确记录，并且它可以提供关于反应本身的重要信息:Warringham引用了一个例子，其中文献称反应时间为12小时，但传感器显示反应仅在20分钟后就完成了。同样地，它可以检测出某些事情出错的时刻，并提示化学家中止实验，而不是浪费时间等待一个失败的反应。

最终，目标是将其无缝集成到化学家的整个生态系统中，连接到所有相关设备、仪器和传感器，收集数据并正确地构建数据。他说:“然后我们可以开始实施更多的自动化应用，包括机器人。”

设计综合

该公司的另一款智能化学产品^®ICSYNTH工具，进行综合设计。例如，一个发现化学家可能正在寻找制造一个全新分子的方法，或者一个工艺开发化学家可能正在寻找一个更实际的方法来大规模制造一个分子。对于人类化学家来说，这可能是艰巨的任务，成功往往取决于个人对文献的熟悉程度和他们的经验范围。

产品经理朱莉·盖(Julie Gai)说:“化学家可能要花几个小时在文献中寻找想法，但只需点击几下，软件就能在几分钟内提出新的路线。”“该工具不仅展示了文献中已经出现的内容:它使用机器学习来学习化学规律，然后提出尚未发表过的、你可能没有想到的新规律。”“它还可以更密切地关注分子的特定部分或单个断开的部分。

如果AI很好，它就会知道实验成功或失败的原因。然后化学家可以从数据中学习

托马斯Galeandro-Diamant

重要的是，该软件可以从已发表的文献中混合其合成路线的数据库——所有这些都是由SmartChemistry精心策划和清理的^®——数据也来自内部的实验。它还可以建议商业上可用的起始材料和试剂，其可持续性评分可用于选择更环保的合成路线。它甚至可以将材料成本纳入决策过程，并提出改进建议，如使用更环保的溶剂。化学家可以通过定义过滤器或限制条件来进一步定制搜索，例如避免溶剂或最大步骤数。

除了建议合成路线，它还可以预测可能发生的任何副作用，以及可能存在的杂质。Gai说:“副反应可能会产生剧毒，所以最好避免这种做法。”“这有助于防止以后出现严重的问题。”

探索化学空间

SmartChemistry的最新产品^®投资组合,ChemAssistant^®该公司产品和服务总监托马斯•加莱安德罗-迪亚曼特(Thomas galeando - diamant)说，该公司支持两种类型的药剂师。他说:“第一类是配方化学家，他们研究各种各样的产品，如药品、化妆品、涂料、油墨、塑料、复合材料，甚至建筑化学品。”“第二种是合成化学家，尤其是在工艺开发方面。”

例如，配方化学家可能想要制造一种复合材料，使用从少量选择中提取的具有特定性能的成分，如耐热、耐腐蚀和机械损伤。该软件将提出一个实验设计来探索相关的化学空间，化学家将准备材料，测试它们的性能，并将结果反馈到软件中，这将为下一次实验提供建议。盖里安德罗-迪亚曼特说:“这是人工智能，但使用的是一个小型的、高度精心策划的数据集，它是逐步建立起来的。”它的工作方式与工艺化学家类似，除了他们将优化化学反应的条件。

潜在的时间节省是显而易见的。他说:“如果要考虑10个或15个参数，手动找到正确的组合需要花费一些时间，每次只改变一个。”人类也很难像计算机那样在多维参数空间中思考。

人工智能还可以帮助避免过于执着于一个想法。他说:“假设你找到了一个收益率为80%的步骤。”“这还不错，但你想要95%。人类化学家可能会担心留下80%的最佳点，但人工智能不会——它不怕做“坏”实验，因为它们对人工智能来说和好的实验一样重要。最终应该找到解决方案，如果存在的话。”

同样重要的是，这些系统并不是不展示工作成果就给出解决方案的黑盒系统。他说:“如果人工智能提出了实验并产生了新的想法，那么积累的数据和人工智能模型最终可以用作理解工具。”“如果人工智能很好，它就会知道是什么让合成物的收率高或低，或者为什么一个实验成功或失败。然后化学家可以从数据中学习。”

增加创新

企业可能会担心使用这样的系统可能会很昂贵，但加莱安德罗-戴曼特表示，与企业在缺乏人工智能能做什么和不能做什么的知识时所产生的成本相比，实施的成本微不足道。SmartChemistry®等用户友好的工具可以帮助解决这一差距，并使化学家能够快速掌握如何在工作中利用人工智能。他说，这也取决于可用的数据。获得好的数据是成功的关键。”

Williams说，这些工具所带来的生产力和效率的提高是非常重要的。“但创新更受重视，尤其是当化学家试图找到新的做事方法时。这就是人工智能工具可以发挥最大影响的地方:告诉化学家一些他们以前不知道的东西。”

他总结道，人工智能还将对可持续发展产生积极影响。“它可以帮助化学家选择避开有毒或危险化学物质的路线，并在水相中进行更多的反应。”人工智能和机器学习可以帮助挖掘数据库，实现更绿色、更可持续的化学，为化学家提供新的思路。”

然而，威廉姆斯也指出，如果将这些技术的不同功能整体应用于解决特定问题，这些技术的巨大潜力将成倍增长。“SmartChemistry^®以不同的方式使用人工智能和ML技术，给出一个从逆向合成或建议配方到运行实验的循环，然后将信息输送回来，允许提出更好的路线或配方，”威廉姆斯说。“它简化了从设计到实验到分析的过程，同时关闭了循环，使数据能够更好地发现和应用。”使用SmartChemistry^®，系统的每个部分都协同工作，以确保它提供化学家需要的答案。

了解SmartChemistry如何^®可以在什么时候换实验室deepmatter.io