德國團隊運用神經網路，讓電腦能以 30 倍人工速度進行逆合成分析
德國明斯特大學（University of Münster）研究團隊近期透過研究證實，結合 AI 神經網路與蒙地卡羅樹搜尋（MCTS）的搜索方式非常適用於化學合成的規劃，尤其是逆合成分析（retrosyntheses），更能以前所未見的效率進行。
對於非化工領域的人來說，逆合成分析可能聽來有些陌生，但這其實是有機合成中設計化合物生產的標準方法，透過對目標分子結構的分析與拆解、推導出基本的組成成分，進而完成化合物合成路線設計。
儘管這是有機合成路線設計的標準方法，但主要作者 Marwin Segler 表示，逆合成分析其實是有機化學的終極挑戰，化學家往往需要數年時間才有辦法掌握運用得很好。「這就像下棋，除了直觀的專業知識，你還需要很好的直覺與創造力去發揮。」
如果以烹飪來形容，就像從一道完成的菜推敲出材料與做法，然後在實驗室中實際從基本成分試著「煮」出相同的目標分子；雖然理論上很簡單，但在實踐的過程中總是會遇到許多困難，每一步都有許多選擇必須進行，而化學問題又比烹飪或下棋還複雜許多。
▲苯乙酸的逆合成分析範例。（Source：Wikimedia/Roland Mattern）
運用電腦來計算合成的想法其實已經非常久遠，過去幾乎所有人都認為除非專家手工編程成千上萬條規則，否則電腦就無法進行計算合成──但過去的實際案例顯示，即使有規則協助的電腦也無法做到這些事。
這是因為化學合成過程非常複雜，無法單純用簡單的規則來理解，更別提合成反應的相關出版物數量每十年就增加一倍，無論化學家或是編寫程式者，都無法讓單純的電腦跟上腳步。
然而隨著深度學習與神經網路的出現，用電腦協助進行逆合成分析不再是空想，Segler 已證明即使只靠從現有資料和應用學習，機器仍可以學會進行分析，而不需人類編程規則的協助。
為了做到這一點，團隊先是運用過去發表的所有化學文獻（其中約有近 1,200 萬種化學反應）對機器進行深度學習訓練，然後將 DNN 神經網路與蒙地卡羅樹搜尋連結，以類似在棋類遊戲評估變體的方式，逆向分析尋找有機化學合成的最佳解。
與傳統的人工推導方式相比，這個全新方式的速度大約快了 30 倍，並且找到 2 倍以上的潛在合成途徑，在一項雙盲測試中，團隊發現化學家普遍認為這些電腦找出的合成路線，與現有經過實驗和測試的路線一樣好。
這項研究已發表在最新一期的《自然》（Nature）期刊。Segler 指出，團隊希望藉由這個全新的方式，節省去化學家在實驗室嘗試的時間，「如此一來，化學家能使用更少的資源，製造出協助提高人們生活水準的化合物。」
（首圖來源：shutterstock）