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％

近日，日本理化学研究所(RIKEN)化学家展示了一种新型分子设计策略，通过结合机器学习和量子化学方法，制造了六种荧光化合物。

新的分子设计方法预测了8种化合物会发出荧光，其中6个在紫外线照射下会发出荧光(图中显示了5个)，包括一种以前没有报道过的化合物(未在图中显示)，图片来自日本理化学研究所(RIKEN)

在荧光分子实验中，前述方法合成目标分子成功率达75%，有望大幅节省在实验室中制造和测试化合物的时间。

传统的分子设计方法是先从一个性能接近理想的分子开始，然后通过实验，反复试错来改进分子。这样的方法不仅耗时，并且存在偶然性，无法保证最终得到的分子就是最佳分子。

长期以来，化学家一直想要扭转前述情况。他们希望能够从期望的分子特性出发，搜索所有可能的分子，并找到符合要求的分子。但可获得的数据中，仅包含所有分子的极小一部分。

此次，日本理化学研究所高级智能项目中心MASATO SUMITA和同事展示了一种新的策略，使搜索全部分子成为可能，并且不需要单独制造每种化合物。相关成果近日发表在《科学进展》(SCIENCE ADVANCES)。

前述团队使用了一种全新的分子发生器，其利用机器学习来根据所需特性，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来预测分子特性，并在指定计算时间内循环重复这些步骤，以找到符合条件的分子。

为了证明前述方法是否有效，研究小组通过该方法来寻找能发出肉眼可见波长荧光的分子。经过五天的数字运算，计算机得出了3600多个候选分子。团队挑选了其中八种进行合成，发现其中六种是荧光的，其中包括一种从未报道过的荧光化合物。

“这是首次将新分子发生器与量子化学计算相结合，以用于发现荧光分子。”日本理化学研究所化学家MASATO SUMITA说道，“我对这种方法的高成功率感到非常惊讶。当我们在实验室进行分子合成时，8个候选分子中有75%发出了荧光。”

寻找荧光分子是对前述方法的严格测试。因为与光吸收等更简单的分子性质不同，荧光是一种光致发光的冷发光现象，包含多步骤的过程，因此很难从分子结构上进行预测。

未来，前述团队打算将机器学习和量子化学相结合的新方法，应用到研究其他化学性质上，并试图用其同时优化多种化学特性。