对于化学家来说,为特定应用找到合适的分子就像是大海捞针一样。有数百万种化合物可供选择,化学家们在尝试解决化学过程中的复杂问题时,通常必须依靠他们的直觉。
美国跨国企业陶氏化学(Dow Chemical)正在与一家纸浆和造纸制造商展开合作,以改善化学过程中的低效问题,目标是通过更安全的过程提高纸浆产量,但要达到这个目标,陶氏需要一种更快速、更彻底的方法来识别候选分子。因此,陶氏化学与美国化学学下的Chemical Abstract Services (CAS)展开合作以利用CAS SciFinder-n。CAS SciFinder-n与通用搜索引擎不同的是,它经过优化可以在一个包含了2亿多种化合物的电子目录中搜索化学分子。
这个名为SmartSearch的项目,让陶氏成千上万的化学家们在几分钟之内就能发现所需的分子,而这在过去则需要数周时间。
陶氏企业数据和分析集团数据客户合作伙伴关系IT总监Nathan Wilmot说:“这促使我们开始通过数据库更快地搜索分子,这个项目由此展开。以前,化学家们在这方面是非常依赖直觉的,需要翻阅目录来识别分子。”
陶氏的化学家们现在可以借助SmartSearch for Dow很快地筛选出“分子的化学、物理和商业可用性,以及可能适合给定应用的一个分子或者一组分子的健康和安全特性”,只需要几分钟的时间。
例如,在纸浆试点中,CAS SciFinder帮助陶氏确定了一组8种到12种更安全、更具可持续性的分子作为潜在的候选材料,以替代陶氏原本打算用的替代材料。
Wilmot说,自那以后,陶氏就把这个池子缩小到2种到4种可选的分子,并希望在未来一两年内将其中一种商业化。“这减少了大量的实验时间……大大加快了我们的研究速度。”
基于化学的合作伙伴关系
Chemical Abstract Service成立于 1903 年,作为全球化学家的资源,是一个注册表的“守护者”,该注册表中包含超过2亿种物质,根据一位CAS发言人称,他们从各种来源(包括专利和会议记录)将这些物质从编入索引并进行整理。
CAS首席技术官Venki Rao表示,SmartSearch for Dow是一个定制化的项目,使用CAS SciFinder专有的搜索技术,和一个拥有25多亿个实体以及20多个化学关系“知识图谱”的平台。
Rao说,其内容得到现代自然语言处理(NLP)和基于神经网络相关技术的支持,并指出,其平台与“附加”到现有平台的新AI技术相结合,为陶氏提供了新的能力来推动其研发工作,实现下一代业务目标。
陶氏化学已经与CAS合作多年,但陶氏化学的Wilmot表示,与CAS进行了更深入的合作,以统一双方的优势,为陶氏化学打造SmartSearch,但他不愿透露双方合作是否会扩展到实际开发或者是在研发中使用AI技术,但这种可能性(包括商业的和科研上的)都有可能会改变我们的生活。
Wilmot说,现存的分子有数百万种,使用数字化工具找到一种具有独特用途的分子,将正确的分子与正确的应用联系起来,这会对陶氏的业务产生深远影响。
Wilmot说:“自2019年至2020年期间CAS开始更新其业务模型并拥有服务组织以来,我们一直作为创新合作伙伴与他们密切合作,特别是在这一领域。他们在这个领域和其他领域与我们的合作做得非常好。”
计算化学的下一步
陶氏的化学家们将继续打造自己的化学品数据库,并利用CAS的专业知识对其进行扩充,以“做出他们以前无法做出的更好决策”,Wilmot说。
这位IT主管指出,SmartSearch for Dow现在被用于陶氏塑料、硅胶和聚氨酯业务的多个项目,以及许多工业解决方案。在任何给定时间,陶氏都有10人到12人致力于协作解决方案。
Wilmot说:“不同于大海捞针的方法,SmartSearch让我们能够根据现有数据找到最佳的分子,我们可以将其提供给所有研究人员,以尽快找到可用的最佳目标——最具可持续性、成本效益、高性能和高价值的材料,从而为我们提供竞争优势。”
一切都源于Wilmot所说的“我们IT组织与外部合作伙伴之间的出色合作”,随着规模的扩大,这将有助于陶氏提高效率和可持续性,他说,这将对工业化学、催化和其他领域继续在整个行业中生产可持续性、安全的才来带来潜在影响,“这对我们来说至关重要”。
好文章,需要你的鼓励
最新调查显示,近半数CIO将AI采用和自动化提升列为未来五年的首要任务。超过三分之一的受访者将加强业务连续性和灾难恢复作为重点,同等比例的企业将人才技能发展列为优先事项。尽管AI投资成为焦点,但投资回报率仍不明朗,近三分之二的商业领袖估计AI投资回报率仅为50%或更低。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
红帽公司宣布收购伦敦AI公司Chatterbox Labs,该公司专注于模型测试和生成式AI护栏技术。此次收购将为红帽AI产品组合增加自动化AI风险评估、安全测试和治理功能。Chatterbox Labs的AI风险指标帮助企业验证数据和模型是否符合国际法规,提供模型无关的稳健性、公平性和可解释性测试。收购将增强红帽的AI安全能力,包括生成式AI护栏、模型透明度和预测性AI验证等功能。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。