谷歌知识
+首页> Google知识 >谷歌AI准确预测化学分子性质并提速30万倍

谷歌AI准确预测化学分子性质并提速30万倍

文章来源:发布日期:2017-05-09

近日谷歌在博客上发表了一篇文章,具体介绍了谷歌在人工智能与机器学习领域取得的新进展。谷歌DeepMind和瑞士巴塞尔大学的合作获得了新突破,利用机器学习能够对分子的性质进行预测,这对药物发现来说有十分重大的意义。北京谷歌推广小编具体来介绍一下这个新突破。

寻找新的化学分子一直是化学研究领域的重要任务,新的化学分子预示着无限可能。化学家们往往会使用薛定谔方程的数值近似来做计算化学上的研究,其中就包括一种做“密度泛函理论”的量子力学方法,这种方法能够分析、预测分子的性质,因此有较为广泛的应用价值。但是这种方法对计算能力的要求很高,因此这种方法的应用受到了一定的限制。

近几年来人工智能是谷歌的重要研究项目,在这方面的研究过程中谷歌团队的科学家们自然也想到了人工智能。研究人员发现人工智能在病理诊断上有着远超人类的能力。在乳腺癌的诊断中,人类病理学家的诊断都不如人工智能的诊断中准确,对皮肤癌的诊断也是如此。人工智能方法也许能大幅提高化学发现的准确度与效率,为该领域带来改变。

为了证实这一想法,谷歌的研究人员开发了多款基于机器学习的方法并提取了超过十万种化学分子供系统进行学习。经过深度学习后这些机器学习方法的近似误差十分接近“密度泛函理论”,其中有两种方法表现得更为突出,分别是神经网络以及核岭回归。概念性的验证增强了科学家们对这项研究的信心,也激励着他们继续深入研究。

此后研究人员选择了以深度的神经网络作为突破口,神经网络在图像识别上有着明显的优势,这一点在预测化学分子性质上也有较大的好处。神经网络能够通过图像识别分子的建构,进而了解他们的性质。谷歌团队整合了已有的神经网络工具并合成了一个叫做“信息传递神经网络”的框架,他们还认为神经网络能有效地预测分子性质。

谷歌团队拿业内的标准作为检测的依据,在主要的13中化学性质中,神经网络能准确地对其中11种进行预测,并且速度比常规的方法要快30万倍。我们有必要相信,预测化学分子的性质必将会在化学、药物发现等不同领域大放异彩,从而造福人类。

 

上一篇: 网站SEO优化不可忽视代码的作用

下一篇: Google AdWords关键字广告如何投放?Google AdWords如何有计划投放