韓國(guó)科研團(tuán)隊(duì)研發(fā)了化學(xué)驅(qū)動(dòng)的圖神經(jīng)網(wǎng)絡(luò)智能系統(tǒng)，可用于描述反應(yīng)物和產(chǎn)物之間電子配置的凈變化。該研究核心技術(shù)是設(shè)計(jì)了廣義反應(yīng)模板（GRT），即一種僅描述基于原子映射的反應(yīng)前后原子構(gòu)型的局部變化，且沒(méi)有特定原子類(lèi)型或官能團(tuán)信息的反應(yīng)模板，并利用人工智能技術(shù)自主研發(fā)“LocalTransform智能系統(tǒng)”來(lái)預(yù)測(cè)反應(yīng)結(jié)果及反應(yīng)產(chǎn)物。該系統(tǒng)通過(guò)全局注意力機(jī)制，根據(jù)局部化學(xué)環(huán)境和選擇性識(shí)別反應(yīng)原子，反應(yīng)模板分類(lèi)器預(yù)測(cè)最終反應(yīng)轉(zhuǎn)化，并提出最佳方案。目前，該系統(tǒng)利用美國(guó)專(zhuān)利商標(biāo)局（USPTO）數(shù)據(jù)庫(kù)，預(yù)測(cè)準(zhǔn)確率達(dá)90％以上。

這項(xiàng)研究可進(jìn)一步加快新分子的設(shè)計(jì)過(guò)程，并有助于科研人員在人工智能、神經(jīng)科學(xué)、化學(xué)交叉研究與融合發(fā)展等領(lǐng)域的探索。該研究成果刊登在國(guó)際學(xué)術(shù)期刊《Nature Machine Intelligence》上。

注：本文摘自國(guó)外相關(guān)研究報(bào)道，文章內(nèi)容不代表本網(wǎng)站觀點(diǎn)和立場(chǎng)，僅供參考。