美国科学家发现了一种更智能的分子合成方法。该研究主要由以下机构的科学家团队主导完成： 佛罗里达大学 (University of Florida) 纽约大学 (New York University) 明尼苏达大学 (University of Minnesota) 杨百翰大学 (Brigham Young University) 主要作者包括 Mingjie Liu、Stefano Martiniani、Cheng Zeng 等人，论文发表在《自然计算科学》(Nature Computational Science) 期刊上。 人工智能现在正根据预期结果设计化学反应。 研究人员开发了一种名为 PropMolFlow 的人工智能系统，该系统可以从目标特性出发设计新分子，而不是依赖缓慢的反复试验和猜测。 这套人工智能系统颠覆了传统的化学方法。它并非随机生成分子然后测试其活性，而是从所需的性质出发，生成可能实现该性质的分子。这种方法被称为性质导向的分子设计。 据报道，该模型比以往的AI分子生成方法快10倍，仅需约100个计算步骤，而非约1000个。它生成的分子90%以上都符合化学原理，并遵循真实的化学键合规则。研究结果已通过基于量子物理的化学方法——密度泛函理论（DFT）进行了验证，确保预测结果基于真实的物理规律，而非仅仅是AI的估计。 由于存在数十亿种可能的分子，而实验室测试通常需要数年时间，因此这项人工智能技术可以显著加速药物发现、新材料、能源和电池化学以及半导体研究。 总体而言，该研究表明人工智能正在从预测发展到发明，使科学家能够比以往任何时候都更快、更便宜、更智能地探索化学空间。
