Nature重磅：終于，科學(xué)家打開“AI黑盒”，發(fā)現(xiàn)了化學(xué)新知識(shí)

撰文 | 馬雪薇

前言

今年 3 月，世界氣象組織發(fā)布了《2023年全球氣候狀況》報(bào)告。隨后，古特雷斯稱，地球正處于崩潰的邊緣，化石燃料的污染讓氣候混亂達(dá)到了“爆表”的水平。

面對(duì)全球自然環(huán)境惡化的挑戰(zhàn)，發(fā)展可再生清潔能源已成為最重要的解決方案之一。

作為新一代的光伏技術(shù)，有機(jī)太陽能電池（Organic solar cells，OSCs）憑借質(zhì)輕、透明、柔性、成本低等優(yōu)點(diǎn)受到了廣泛關(guān)注，在光伏建筑一體化、可穿戴柔性電子器件和物聯(lián)網(wǎng)設(shè)備等領(lǐng)域具有十分廣闊的應(yīng)用前景。

然而，自 1980 年代以來，提高有機(jī)太陽能電池的光穩(wěn)定性一直是一個(gè)難題，這也是阻礙其商業(yè)化的重要原因之一。

人工智能（AI）技術(shù)有望被用來提高有機(jī)太陽能電池的光穩(wěn)定性。然而，由于 AI 是一個(gè)黑盒，其是如何做出決策的，一直無法解釋。

而且，在分子科學(xué)前沿，利用 AI 產(chǎn)生對(duì)化學(xué)知識(shí)的基本理解，與 AI 引導(dǎo)的優(yōu)化策略得出實(shí)際結(jié)果，兩者同等重要。

為此，來自伊利諾伊大學(xué)厄巴納-香檳分校和多倫多大學(xué)的研究團(tuán)隊(duì)打開了 AI 黑盒，為提高光伏電池的穩(wěn)定性做出了進(jìn)一步的貢獻(xiàn)。

他們將閉環(huán)實(shí)驗(yàn)與基于物理的特征選擇和監(jiān)督學(xué)習(xí)相結(jié)合，提出了一種名為“閉環(huán)遷移”（closed-loop transfer，CLT）的新方法，旨在從閉環(huán)優(yōu)化過程中提取和驗(yàn)證物理洞察，并指導(dǎo)化學(xué)發(fā)現(xiàn)。

據(jù)介紹，CLT 可以幫助研究人員快速識(shí)別影響目標(biāo)函數(shù)的關(guān)鍵物理特征，從而更好地理解化學(xué)現(xiàn)象背后的原理。并且，CLT 可以指導(dǎo)實(shí)驗(yàn)設(shè)計(jì)，避免不必要的實(shí)驗(yàn)嘗試，從而提高實(shí)驗(yàn)效率。此外，CLT 還幫助研究人員發(fā)現(xiàn)新的化學(xué)知識(shí)，并為材料設(shè)計(jì)和藥物發(fā)現(xiàn)等領(lǐng)域提供新的思路。

相關(guān)研究論文以“Closed-loop transfer enables artificial intelligence to yield chemical knowledge”為題，已發(fā)表在權(quán)威期刊 Nature 上。

論文通訊作者之一 Jackson 教授表示：“AI 工具具有驚人的力量。但是如果你試圖打開引擎蓋了解它們?cè)谧鍪裁?，通常你得不到任何有用的信息。AI 可以幫助我們優(yōu)化一個(gè)分子，但它不能告訴我們?yōu)槭裁茨鞘亲罴堰x擇——哪些是重要的性質(zhì)、結(jié)構(gòu)和功能?！?/p>

研究結(jié)果表明，產(chǎn)生的新型光捕獲分子比原來穩(wěn)定四倍，同時(shí)還提供了關(guān)于它們?yōu)楹畏€(wěn)定的至關(guān)重要的新見解——這是一個(gè)阻礙材料開發(fā)的化學(xué)問題。通過這一過程，他們確定了是什么賦予了這些分子更大的光穩(wěn)定性。他們將 AI 黑箱變成了一個(gè)透明的玻璃球。

Burke 教授表示：“模塊化化學(xué)方法與閉環(huán)實(shí)驗(yàn)完美互補(bǔ)。AI 算法請(qǐng)求具有最大化學(xué)習(xí)潛力的新數(shù)據(jù)，自動(dòng)化分子合成平臺(tái)可以非?？焖俚厣尚碌乃杌衔铩Ｈ缓髮?duì)這些化合物進(jìn)行測(cè)試，數(shù)據(jù)返回到模型中，模型變得更加智能——一次又一次。到目前為止，我們主要關(guān)注結(jié)構(gòu)。我們的自動(dòng)化模塊化合成現(xiàn)在已升級(jí)到探索功能的領(lǐng)域?！?/p>

打開 AI 黑盒

AI 黑盒指的是內(nèi)部工作原理對(duì)用戶不可見的 AI 系統(tǒng)。你可以向它們提供輸入并獲得輸出，但是你不能檢查產(chǎn)生輸出的系統(tǒng)代碼或邏輯。

在許多情況下，我們需要警惕黑箱機(jī)器學(xué)習(xí)算法和模型。假設(shè)一個(gè) ML 模型對(duì)你的健康狀況做出了診斷，我們應(yīng)該知道模型是如何做出決定的。

而在本研究的領(lǐng)域，了解有哪些決定性因素影響了光穩(wěn)定性也是非常重要的。科研人員理解分子光穩(wěn)定性的關(guān)注點(diǎn)主要集中在最低激發(fā)三重態(tài)（T1）的能量學(xué)及其與鍵離解能的關(guān)系上，而最近的研究表明，對(duì)于有限的化學(xué)類別，存在更高的能量三重態(tài)（Tn，n>1），但仍然缺乏一般性的設(shè)計(jì)原則。

研究團(tuán)隊(duì)提出的 CLT 方法有望打開 AI 黑盒，超越傳統(tǒng)分析光穩(wěn)定性的方法，取得突破。為了實(shí)現(xiàn)這一愿景，在 AI 能夠產(chǎn)生可解釋的假設(shè)并增強(qiáng)科研人員對(duì)光穩(wěn)定性和分子功能的基本理解之前，需要從閉環(huán)策略中提取知識(shí)的新方法。CLT 可以在廣譜的化學(xué)空間中優(yōu)化分子功能，并給出化學(xué)知識(shí)。

CLT 由三個(gè)階段組成：（1）機(jī)器學(xué)習(xí)驅(qū)動(dòng)的假設(shè)生成；（2）實(shí)驗(yàn)測(cè)試；（3）物理驅(qū)動(dòng)的發(fā)現(xiàn)。這三個(gè)階段相互迭代，成為閉環(huán)，進(jìn)而發(fā)生循環(huán)。這種迭代循環(huán)對(duì)于有效探索化學(xué)空間、識(shí)別影響分子特征的關(guān)鍵決定因素至關(guān)重要。

圖｜CLT 范式。第一階段（機(jī)器學(xué)習(xí)驅(qū)動(dòng)的假設(shè)生成，綠色軌道）描述了基于 BO 的合成和表征回合，并同步使用基于物理特征的可解釋機(jī)器學(xué)習(xí)。通過機(jī)器學(xué)習(xí)出現(xiàn)基于物理的假設(shè)后，第二階段（假設(shè)測(cè)試，橙色軌道）實(shí)驗(yàn)性地測(cè)試該假設(shè)，如果得到驗(yàn)證，將產(chǎn)生新知識(shí)，這些知識(shí)在第三階段（物理驅(qū)動(dòng)的發(fā)現(xiàn)，紅色軌道）中被用于分子優(yōu)化。

在這項(xiàng)研究中，團(tuán)隊(duì)通過 CLT 的整個(gè)過程，打開了 AI 黑盒。AI 在閉環(huán)優(yōu)化和知識(shí)提取方面發(fā)揮了關(guān)鍵作用。

例如，AI 通過 GRYFFIN 算法進(jìn)行貝葉斯優(yōu)化，指導(dǎo)合成和表征過程，以尋找具有更高光穩(wěn)定性的分子。BO 算法平衡了探索和利用，確保了化學(xué)空間的多樣性和高效搜索。

其次，AI 訓(xùn)練可解釋的 ML 模型，利用基于物理的分子特征來預(yù)測(cè)光穩(wěn)定性。這些模型不僅識(shí)別了高光穩(wěn)定性的化合物，還闡明了分子光穩(wěn)定性的設(shè)計(jì)規(guī)則。

此外，AI 還通過物理建模和特征選擇，發(fā)現(xiàn)了高能三重態(tài)態(tài)密度 (TDOS) 與分子光穩(wěn)定性之間的強(qiáng)相關(guān)性，這為后續(xù)的假設(shè)驗(yàn)證提供了基礎(chǔ)。

AI 驅(qū)動(dòng)科學(xué)新發(fā)現(xiàn)

總之，閉環(huán)實(shí)驗(yàn)，通過使用基于物理特征的可解釋的 ML 模型進(jìn)行了增強(qiáng)，闡明了有關(guān)分子光穩(wěn)定性的基本化學(xué)知識(shí)，同時(shí)針對(duì)高功能分子目標(biāo)進(jìn)行了優(yōu)化。人機(jī)交互、AI 引導(dǎo)的活動(dòng)產(chǎn)生了本文的假設(shè)（30 個(gè)分子），其顯著效率得益于 AI 引導(dǎo)的探索和利用的平衡與可解釋的基于物理的建模的結(jié)合。

此外，研究團(tuán)隊(duì)也在進(jìn)一步證明 CLT 廣泛適用于其他前沿應(yīng)用和研究領(lǐng)域，特別是難以先驗(yàn)預(yù)測(cè)的低數(shù)據(jù)狀態(tài)和多維分子特性。有理由相信，CLT 將成為在假設(shè)驅(qū)動(dòng)的發(fā)現(xiàn)研究中利用 BO 優(yōu)勢(shì)的手冊(cè)，并通過基于物理的見解得到加強(qiáng)。

科學(xué)研究是一個(gè)循環(huán)往復(fù)的過程，需要研究者不斷地提出假設(shè)，進(jìn)而進(jìn)行檢驗(yàn)。在這一連串的探索中，研究者承擔(dān)著大量的實(shí)驗(yàn)操作和數(shù)據(jù)收集任務(wù)。在此過程中，AI 是一個(gè)不可或缺的助手，它能在多個(gè)環(huán)節(jié)扮演重要角色。

如今，AI for Science 已成為熱議的話題。AI 已在眾多領(lǐng)域展現(xiàn)出其強(qiáng)大實(shí)力，涵蓋了生物制藥、新材料研發(fā)、前沿物理研究、氣候預(yù)測(cè)、地球模擬和天文探索等多個(gè)領(lǐng)域。特別是在化學(xué)領(lǐng)域，AI 的應(yīng)用更是廣泛。

2018 年 3 月，一項(xiàng)發(fā)表在 Nature 雜志上的研究展示了 AI 在化學(xué)合成中的巨大潛力。研究團(tuán)隊(duì)整理了過去幾十年間發(fā)表的 1250 多萬個(gè)化學(xué)反應(yīng)，并利用深度神經(jīng)網(wǎng)絡(luò)和蒙特卡洛樹算法，成功規(guī)劃出新的化學(xué)合成路線。這一方法使得設(shè)計(jì)分子合成路線的時(shí)間縮短至僅需 5 秒。

2020 年，麻省理工學(xué)院（MIT）在國際頂尖學(xué)術(shù)期刊《細(xì)胞》雜志刊登了一篇突破性的研究成果，研究人員利用深度學(xué)習(xí)系統(tǒng)，發(fā)現(xiàn)了一種強(qiáng)大的新型抗生素化合物。他們通過計(jì)算機(jī)深度學(xué)習(xí)系統(tǒng)建立的模型，可以在幾天內(nèi)篩選超過 1 億個(gè)化合物，從而挑選出不同于現(xiàn)有藥物殺死細(xì)菌機(jī)制的潛在抗生素。

今年 2 月，來自北卡羅來納州立大學(xué)、伊士曼化工公司的研究團(tuán)隊(duì)開發(fā)了一種名為 Fast-Cat 的自動(dòng)化實(shí)驗(yàn)室。通過結(jié)合 AI 和自動(dòng)化技術(shù)，F(xiàn)ast-Cat 實(shí)現(xiàn)了催化反應(yīng)的快速、高效和自動(dòng)化，不僅可以完全自主連續(xù)運(yùn)行高溫、高壓、氣液反應(yīng)，還能夠分析每個(gè)反應(yīng)的輸出結(jié)果，在沒有人工干預(yù)的情況下確定不同變量對(duì)每個(gè)實(shí)驗(yàn)結(jié)果的影響。它能夠在短短 5 天內(nèi)提供比傳統(tǒng)方法 6 個(gè)月更多的信息，為化學(xué)研究和工業(yè)生產(chǎn)提供了全新的可能性。

此外，一個(gè)名為“RoboChem”的自主化學(xué)合成 AI 機(jī)器人，不僅在速度和準(zhǔn)確性方面都優(yōu)于人類化學(xué)家，同時(shí)還顯示出了高度的獨(dú)創(chuàng)性。RoboChem 是一個(gè)精確可靠的“AI 化學(xué)家”，不僅可以進(jìn)行全天候的自主工作，快速、不知疲倦地提供實(shí)驗(yàn)結(jié)果，還可以迅速優(yōu)化化學(xué)合成過程，進(jìn)行各種反應(yīng)，同時(shí)產(chǎn)生極少量的廢物，有望大大加快用于制藥和許多其他應(yīng)用的分子的化學(xué)發(fā)現(xiàn)。

展望未來，我們有理由相信，隨著 AI 技術(shù)的不斷進(jìn)步，它將為化學(xué)乃至整個(gè)科學(xué)領(lǐng)域帶來更多創(chuàng)新與變革。