当AI遇上Science，在工业领域会碰撞出怎样的火花？

AI（人工智能）和机器学习（ML）的发展正在显著地影响我们的社会和生活方式。在科学的世界里，它们也正书写的全新的可能。

随着ML越来越普遍，人们越来越需要人类能够容易理解和解释的算法。AI的升级版——可解释人工智能（Explainable Artificial Intelligence, XAI）应运而生，专注于开发能够为其决策提供清晰解释的ML算法。在机器决策和人类理解之间提供关键的联系，确保决策的准确性和道德性。

同样地，伴随技术的发展，机器学习也进入了全新的阶段。科学机器学习(Scientific Machine Learning, SML)作为一个新兴学科，相对于ML，更聚焦于解决特定领域的数据挑战，并从科学数据集中获得见解，需要应用科学和计算科学的多学科专业知识。

在机器学习领域，BIOVIA的合同研究团队（Contract Research）是将数据分析和预测与模拟科学相结合的先行者。利用BIOVIA的开箱即用软件工具开发的先进技术能力（Advanced Technology Capability   ATC）模块/组件，团队致力于帮助客户应对能源和材料行业、消费品包装行业、汽车和航空航天行业以及医疗保健和生命科学行业面临的关键业务科学和工程挑战。

“活性”聚合：合成聚合物的关键作用从用于超音速射流到外科植入物，需要开发具有非常特殊性能的各种材料。“活性”聚合技术允许关键的分子设计和控制，例如结构、分子量、功能化、关键官能团的空间位置、嵌段、星形和大环聚合物的产生。活性阴离子聚合的一个显著特征是该机理不涉及正式的终止步骤，可以通过使用正确的终止剂来调整属性。

使用生成式人工智能设计来寻找更好的聚合终止剂

BIOVIA的合同研究团队使用ML为现有已知终止剂的聚合物的多种关键性能建立了合适的模型。然后，在两个方面突破了界限：其一，使用生成式设计策略，设计了100种新的潜在终止剂；其二，使用可解释的人工智能来获得具有化学意义的新终止剂。在实验室中测试了几个最好的候选者，并测量出所得聚合物的性能相比原始聚合物组有所改进。

香气/风味增强剂：嗅觉受体是感知香气（或风味）的化学受体。这些受体属于G蛋白偶联受体（GPCR）家族，具有结合广泛香气分子的亲和力。在这些情况下，遵循传统的基于结构的方法筛选香气分子是非常困难的，因为筛选范围很大，且必须同时考虑对几种受体的共同影响。

相反，采用与ML相结合的“嗅觉团”方法能够快速寻找所需的香气增强分子。对于一组瞬时受体电位（TRP）通道蛋白，客户提供了所选香气增强分子列表的EC50数据。这些TRP通道的调节在感觉感知中起着关键作用，它们的激活/失活可能与相应的EC50值有关。

 结合机器学习与BIOVIA Discovery Studio的计算描述符，改善感官感知的预测

BIOVIA合同研究团队使用了香气分子的2D、3D和形状描述符以及蛋白质的结合位点定义，并生成了预测模型。这种方法在虚拟候选的多次迭代中得到了延续，随后进行了实验室测试，以微调预测。

性能成本优化（电解槽/燃料电池电极）：质子交换膜（PEM）电解槽因其能效、紧凑的设计和高电流密度而备受关注，它能有效地分解水来生产纯氢气和氧气。以这种方式产生的氢气可以用作内燃机的燃料，而不是汽油和燃料电池。

在燃料电池中，氢气和氧气结合发电，水是唯一的副产品。燃料电池将化学能转化为电能，并且不会产生任何污染物。因此，电解槽和燃料电池对于实现未来的零排放至关重要。

使用Pipeline Pilot和Materials Studio进行机器学习，以优化电极成本和性能

BIOVIA 合同研究团队使用SML为客户设计这些电解槽和燃料电池的电极。使用基于3D化学的量子力学建模和生成式机器学习，我们能够识别出一种成分，该成分减少了昂贵贵金属的使用量，同时提高了性能。基于我们对不同电极合金的虚拟筛选，我们的客户构建了PEM电池，在实验室进行了测试，并成功地向前迈进。

可持续个人护理：在竞争激烈且部分成本敏感的环境中，个人护理产品行业面临着加快开发进程以缩短上市时间的挑战。客户希望获得更安全、更可持续的产品，新的监管要求敦促配方商在不损失产品性能的情况下用新的成分取代过时的成分。

BIOVIA合同研究团队使用虚拟模拟实现实时决策。由于重重原因，处理这一领域的复杂配方非常激烈：

开发配方的SML模型筛选生物衍生成分

在与客户的合同研究中，BIOVIA合同研究团队使用ATC技术预测产品的相关特性。独特的配方SML模型遵循特征选择和训练模型的最佳实践，成功地对客户特定的产品配方进行了盲预测。ML模型已经以民主化的方式部署到客户系统上，配方工程师将其应用于实时虚拟筛选和指导实验室实验。

配方产品稳定性：个人护理行业产品在货架和仓库存放过程中往往会产生降解，而消费者希望这些产品在消费前能够保持其性能和外观的一致性。不幸的是，有时这些产品会随着不良副反应的发生而改变功能和外观。外观的变化有时会是产生可见的雾状物，或者产品颜色的变化。

在与客户合作中，BIOVIA合同研究团队开发了先进的SML模型来预测产品配方的颜色如何随时间变化。这些模型能够预测产品当天、几周、甚至几个月之后产品的颜色变化情况。为配方工程师设计配方和预测配方的稳定性提供了指导和建议。配方工程师可以虚拟模拟不同假设场景下新配方颜色稳定性，从而最大限度地减少这些颜色变化。

开发SML模型，可以成功地预测配方产品的性能和保质期

与所有先进技术一样，无论是AI亦或是ML，不断反思其优劣势和潜在风险至关重要。

从AI到XAI，从ML到SML，新技术的发展可以成为我们从大数据中提取信息、确定优先级或自动化流程的宝贵工具，从而为创造性任务腾出时间。

另一方面，人工智能和机器学习应用的质量在很大程度上取决于训练数据的质量和数量。与此同时，人为控制和审查人工智能的输出对于确保现实的解释和合理的决策同样至关重要。

因此，面对新技术发展，我们应当以乐观地态度学习，并以审慎地方式使用。以可控的方式使用人工智能和机器学习，专注于改善人类生活和整个社会的整体利益，将有助于更具生产力的发展和进步。

来源：达索系统