艾玛，Mark Waller教授来上海有机所踢馆子啦！

2018年3月底，一篇刊登在Nature杂志上的文章，“Planning chemical syntheses with deep neural networks and symbolic AI”，引起了有机化学界一场不大不小的地震。Mark Waller教授小组利用深度学习方法实现了有机化合物合成路线的自动设计，取得了突破性的进展。本公众号之前已经对该论文进行了介绍（原文链接）。中科院上海有机化学研究所是我国合成化学的重要基地之一。Waller教授与上海有机所的碰撞，又能擦出什么火花呢？4月25日Waller教授应邀来上海有机所参加研究生学术论坛，做了一场精彩的学术报告，有近200名研究生到场聆听。在报告之后，Waller教授与沈启龙研究员、王任小研究员一道参加了与研究生的互动讨论，在轻松愉快的氛围中探讨了人工智能未来对合成化学的影响。

有机合成化学已有近150年的历史，有无数的化学家曾经为之奋斗。尤其自20世纪中期以来，在R. B. Woodward，E. J. Corey, K. C. Nicklaus等一批大师杰出工作的推动下，合成化学发展成为了一门令人叹为观止的“艺术”。与此相似的是，围棋这项古老的游戏，由于其复杂深奥的对弈技巧，一千多年来也被称为“艺术”。直至不久之前，围棋仍然被认为是人工智能不可能攻破的目标。但是，自2016年以来AlphaGo及其后续版本横空出世，大放异彩，横扫人类顶尖职业棋手，一举刷新了所有人的观念：原来再复杂的艺术也可以被破解啊。如今，人工智能大举进军合成化学领域，又会产生何种深远的影响？

自工作公开发表以来，Waller教授的AI方法被媒体广泛赞誉为“合成化学的AlphaGo”。对此，Waller教授证实他们的工作的确受到了AlphaGo的启发。同时Waller教授也指出，前人的探索以及收录海量合成路线信息的大型数据库（例如Reaxys）也是他们开展工作的基础。Waller教授开发的AI系统通过对分子化学结构的合理编码，采用深层神经网络对Reaxys数据库中记录的反应信息进行挖掘，自动归纳出数量巨大的合成规则，并分别赋予其可行性几率。这一做法革命性地突破了前人通过专家人工总结合成规则的限制，未来随着合成知识的持续积累，有望进一步提高精度。令人惊讶的是，Waller教授开发的AI系统对计算硬件要求不高，所有的数据分析工作都是在一台普通的GPU工作站上完成的，其应用端软件只需在普通的笔记本电脑上即可运行，设计合成路线的效率大大超过前人开发的方法。

在谈到AI与合成化学家之间的关系这个敏感问题时，Waller教授坚定地说：“AI未来并不能完全代替合成化学家的工作 ......但是我认为，未来不会使用AI的合成化学家一定会被会使用AI的合成化学家代替”。（小编批注：此处应该有掌声。）

Waller教授的报告中还包括了更多有趣的内容。例如，Waller教授提到他的课题组正在研发低成本的自动合成机器人，目标在于减少有机合成中的重复劳动。（小编批注：看来Waller教授铁了心要在软件以及硬件两方面挑战传统合成化学啊。）

在谈到研究生的职业规划这个问题时，Waller教授希望有更多学习合成化学的同学在完成硕士或者博士学位之后，能够投身到合成化学AI系统的研发中来。围棋是一个非常复杂的游戏，但是其胜负规则是简单明了的。所以，AlphaGo Zero可以在了解规则的基础上实现左右互搏，在短时间内完成自我训练，超越人类千年以来的经验积累。但是就目前而言，决定有机反应的内在规律尚不为化学家完全掌握，合成化学仍然处于在积累数据的基础上总结经验的阶段。Waller教授研发的AI系统实际上相当于AlphaGo，与AlphaGo Zero相比尚有本质的区别。因此，Waller教授认为具有合成化学专业知识的人才，最适合继续发展此类AI系统。

两个小时的报告和互动讨论很快就结束了，有些同学意犹未尽，继续围住Waller教授讨论问题（小编批注：更多的同学则默默转身回到实验室，继续加料、反应、过柱子...）。希望Waller教授的精彩报告能够影响到我们之中的一部分人，给合成化学带来新的面貌。套用网上流行的一句话作为本文的结束语：当时代抛弃你时，连一声再见都不会跟你说。

科研有乐趣！

计算有乐趣！

ComputArt