在过去的几十年中，化学科学在发现新颖有用的材料方面取得了长足的进步。例如，在聚合物领域，热塑性塑料的最新发展对从新涂料到服装纤维的应用产生了影响。但是，尽管新材料的发现是工业产品扩展和改进的驱动力，以人类的能力和短暂的生命来说，可能只足以探索广阔的化学世界中的一小部分。

IBM今天宣布推出MoleculeGenerationExperience（MolGX），一个基于IBM云，由AI驱动的分子逆向设计平台，可以快速而多样地自动设计全新的分子结构。逆向设计的功能更能方便研究人员从产品的性能目标中推导回溯，发现量身定制的材料。

MolGX是IBM加速发现策略的一部分。该策略旨在使用AI，混合云，自动化以及最终的量子计算来增强科学方法。其目标是将新材料的发现速度提高10到倍。

（IBM加速发现战略示意图，图片摘自IBM官方博客）

通过观察和选择数据集，MolGX利用生成模型从化学性质（如“水溶性””和“可加热性”）自动生成分子。该平台观察和选择一个数据集，训练AI模型在给定参数内预测化学特性，并根据建立的模型设计分子结构。

考虑到普通用户的需求，MolGX在IBM云中具有可扩展性，并可以以易于理解的用户界面进行访问。基本上任何人，甚至没有高级IT技能的人，都可以体验材料信息学的前沿，以及学习AI的基础知识。除此之外，还有针对化学研究人员和行业人士创建的专业版本，其中包括额外的功能，如结果导出、自定义建模和数据上传，以探索内置数据集之外的内容。

“新材料的开发遵循许多不同的途径，这取决于所研究问题的性质和调查手段。在发现新材料方面的突破性突破，从纯粹的偶然性到尝试错误的方法，再到以类似于现有系统的方式进行设计，”IBM材料发现技术负责人SeijiTakeda在博客中写道，“虽然这些方法学已帮助我们走了很长一段距离，但对新材料的挑战和要求日益复杂——对新材料的需求和问题也是如此。随着我们面临诸如流行病和气候变化等全球性问题，以更快的速度设计和开发新的药物和材料，加快从分子尺度到最终产品的宏观层面的必要性和紧迫性正变得越来越重要。”

IBM已发布了使用内置数据集训练的MolGX的免费试用版，该软件在公司内部用于开发新的光酸产生剂（一种电子制造中的关键材料）。除IBM之外，还有像Kebotix这样的初创公司正在开发同类AI工具。该工具可以使实验室实验自动化，从而比手工技术更快地发现材料。同时，Facebook和卡内基·梅隆（CarnegieMellon）合作开展了一个项目，以发现更好的存储可再生能源的方法，部分方法是利用AI来加快对电催化剂或参与电化学反应的催化剂的搜索。

参考资料：

转载请注明:http://www.aideyishus.com/lkyy/4586.html