日本理化所利用量子化学机器学习，荧光分子合成成功率%

日本理化所利用量子化学机器学习，荧光分子合成成功率75%

最近，日本理研物理化学研究所的化学家展示了一种新的分子设计策略，该策略结合了机器学习和量子化学方法，可以产生6种荧光化合物。

新的分子设计方法预测有8种化合物会发出荧光，其中6种在紫外照射下会发出荧光(图中显示了5种)，包括一种以前没有报道过的化合物(图中未显示)。图片来自日本理研。

在荧光分子实验中，上述方法合成目标分子的成功率为75%，有望大大节省实验室制造和测试化合物的时间。
传统的分子设计方法是从一个性能接近理想的分子开始，然后通过实验和试错来改进分子。这种方法不仅耗时，而且有偶然性，不能保证最终的分子是最好的分子。
长期以来，化学家们一直试图扭转上述局面。他们希望能够从期望的分子特征中搜索所有可能的分子，找到符合要求的分子。然而，现有的数据只包含所有分子的极小一部分。

图片来自科学进展

这一次，日本理化学研究所高级智能项目中心的Masato Sumita及其同事展示了一种新的策略，这种策略使搜索所有分子成为可能，并且不需要单独制造每种化合物。相关结果最近在科学进展发表。
前面提到的团队使用了一个全新的分子生成器，它使用机器学习根据所需的特性给出可用分子的建议。然后通过执行量子化学计算的模拟器预测分子特性，在规定的计算时间内循环重复这些步骤，寻找符合条件的分子。

荧光生成的工作流程，图片来自论文

为了证明上述方法的有效性，研究小组用这种方法寻找能发出可见波长荧光的分子。经过五天的数字运算，计算机得到了3600多名候选人。研究小组选择了其中的八种进行合成，发现其中六种具有荧光性，包括一种以前从未报道过的荧光化合物。
“这是首次将新型分子发生器与量子化学计算相结合寻找荧光分子。”日本理化学研究所的化学家Masato Sumita说:“我对这种方法的高成功率感到非常惊讶。当我们在实验室合成分子时，八个候选分子中有75%会发出荧光。”

日本理化学研究所高级智能项目中心化学家Masato Sumita，照片来自日本理研

寻找荧光分子是对上述方法的严格检验。因为不同于光吸收等更简单的分子性质，荧光是光致发光的现象，涉及多步过程，所以很难从分子结构上预测。
在未来，前述团队打算应用机器学习与量子化学相结合的新方法来研究其他化学性质，并尝试使用它同时优化多个化学性质。