选自thegradient

作者：VictorCanoGil

机器之心编译

编辑：Juniper

随着人工智能技术兴起，在化学领域，传统的基于实验和物理模型的方式逐渐与基于数据的机器学习范式融合。越来越多的用于计算机处理数据表示被开发出来，并不断适应着以生成式为主的统计模型。

虽然工程、金融和商业从新算法中获益匪浅，但获益不仅仅来自算法。几十年来，大规模计算一直是物理科学工具包中不可或缺的一部分——人工智能的一些最新进展已经开始改变科学发现的产生方式。

物理科学领域的杰出成就令人兴奋不已，例如使用机器学习渲染黑洞图像或AlphaFold对蛋白质折叠的贡献。本文将介绍人工智能在化学领域的一些更突出的用途，而化学是上述蛋白质折叠问题的母学科。

化学的主要目标之一是了解物质、它的性质以及它可以经历的变化。比如，当我们在寻找新的超导体、疫苗或任何其他具有我们想要特性的材料时，我们会求助于化学这一学科。

传统上，我们认为化学是在配有试管、烧瓶和燃气燃烧器的实验室中完成。但它也受益于计算和量子力学的发展，这两者都在20世纪中叶开始崭露头角。早期的应用包括使用计算机来帮助解决基于物理的公式计算；或者是通过将理论化学与计算机编程相结合，我们能够模拟（尽管远非完美）化学系统。最终，这项工作发展成为现在称为计算化学（

转载请注明:http://www.aideyishus.com/lkjg/8365.html