新時代高科技不計其數越來越發達，小伙伴們看過不少科技新聞吧，在我們生活中應該也用到很多這些高科技東西，有哪些小伙伴值的關注的呢，今天就跟大家分享一篇有關科技方面知識，希望大家會喜歡。

研究人員設計了一種機器學習算法，可以比訓練有素的化學家更準確地預測化學反應的結果，并提出了制造復雜分子的方法，從而消除了藥物發現的重大障礙。

劍橋大學的研究人員已經證明，算法能夠以超過90%的準確度預測復雜化學反應的結果，優于經過培訓的化學家。該算法還向化學家展示了如何制造目標化合物，為所需目的地提供化學“圖譜”。研究結果發表在ACS Central ScienceandChemical Communications期刊的兩項研究中。

藥物發現和材料科學的一個主要挑戰是找到通過化學連接更簡單的構建塊來制造復雜的有機分子的方法。問題是這些構建塊經常以意想不到的方式作出反應。

“制造分子通常被描述為通過反復試驗實現的藝術，因為我們對化學反應性的理解還遠未完成，”劍橋卡文迪什實驗室的Alpha Lee博士說。“機器學習算法可以更好地理解化學，因為它們從數百萬種已發表的化學反應中提煉出反應模式，這是化學家無法做到的。”

Lee和他的團隊開發的算法使用模式識別工具，通過對專利中公布的數百萬反應模型進行訓練，識別分子中的化學基團如何反應。

研究人員將化學反應預測視為機器翻譯問題。反應分子被認為是一種語言，而產品被認為是一種不同的語言。然后，模型使用文本中的模式來學習如何在兩種語言之間進行翻譯。

使用這種方法，該模型在預測看不見的化學反應的正確產品方面達到了90%的準確度，而受過訓練的人類化學家的準確率約為80%。研究人員表示，該模型足夠準確，可以檢測數據中的錯誤并正確預測過多的困難反應。