當AI遇上Science，在工業(yè)領(lǐng)域會碰撞出怎樣的火花？

發(fā)布時間：

2023-07-11

AI和BIOVIA在DassaultSystemes的世界里，和Industry會碰撞出怎樣的火花？跟隨BIOVIA 合同研究團隊的腳步，一起探尋如何加速人工智能技術(shù)在工業(yè)領(lǐng)域落地應(yīng)用。

AI（人工智能）和機器學習（ML）的發(fā)展正在顯著地影響我們的社會和生活方式。在科學的世界里，它們也正書寫的全新的可能。

從AI到XAI，從ML到SML

隨著ML越來越普遍，人們越來越需要人類能夠容易理解和解釋的算法。AI的升級版——可解釋人工智能（Explainable Artificial Intelligence, XAI）應(yīng)運而生，專注于開發(fā)能夠為其決策提供清晰解釋的ML算法。在機器決策和人類理解之間提供關(guān)鍵的聯(lián)系，確保決策的準確性和道德性。

同樣地，伴隨技術(shù)的發(fā)展，機器學習也進入了全新的階段。科學機器學習(Scientific Machine Learning, SML)作為一個新興學科，相對于ML，更聚焦于解決特定領(lǐng)域的數(shù)據(jù)挑戰(zhàn)，并從科學數(shù)據(jù)集中獲得見解，需要應(yīng)用科學和計算科學的多學科專業(yè)知識。

在機器學習領(lǐng)域，BIOVIA的合同研究團隊（Contract Research）是將數(shù)據(jù)分析和預測與模擬科學相結(jié)合的先行者。利用BIOVIA的開箱即用軟件工具開發(fā)的先進技術(shù)能力（Advanced Technology Capability ATC）模塊/組件，團隊致力于幫助客戶應(yīng)對能源和材料行業(yè)、消費品包裝行業(yè)、汽車和航空航天行業(yè)以及醫(yī)療保健和生命科學行業(yè)面臨的關(guān)鍵業(yè)務(wù)科學和工程挑戰(zhàn)。

“微觀世界”大有乾坤

尋找最佳終止劑

“活性”聚合：合成聚合物的關(guān)鍵作用從用于超音速射流到外科植入物，需要開發(fā)具有非常特殊性能的各種材料。“活性”聚合技術(shù)允許關(guān)鍵的分子設(shè)計和控制，例如結(jié)構(gòu)、分子量、功能化、關(guān)鍵官能團的空間位置、嵌段、星形和大環(huán)聚合物的產(chǎn)生。活性陰離子聚合的一個顯著特征是該機理不涉及正式的終止步驟，可以通過使用正確的終止劑來調(diào)整屬性。

使用生成式人工智能設(shè)計來尋找更好的聚合終止劑

BIOVIA的合同研究團隊使用ML為現(xiàn)有已知終止劑的聚合物的多種關(guān)鍵性能建立了合適的模型。然后，在兩個方面突破了界限：其一，使用生成式設(shè)計策略，設(shè)計了100種新的潛在終止劑；其二，使用可解釋的人工智能來獲得具有化學意義的新終止劑。在實驗室中測試了幾個最好的候選者，并測量出所得聚合物的性能相比原始聚合物組有所改進。

識別增香劑

香氣/風味增強劑：嗅覺受體是感知香氣（或風味）的化學受體。這些受體屬于G蛋白偶聯(lián)受體（GPCR）家族，具有結(jié)合廣泛香氣分子的親和力。在這些情況下，遵循傳統(tǒng)的基于結(jié)構(gòu)的方法篩選香氣分子是非常困難的，因為篩選范圍很大，且必須同時考慮對幾種受體的共同影響。

相反，采用與ML相結(jié)合的“嗅覺團”方法能夠快速尋找所需的香氣增強分子。對于一組瞬時受體電位（TRP）通道蛋白，客戶提供了所選香氣增強分子列表的EC50數(shù)據(jù)。這些TRP通道的調(diào)節(jié)在感覺感知中起著關(guān)鍵作用，它們的激活/失活可能與相應(yīng)的EC50值有關(guān)。

結(jié)合機器學習與BIOVIA Discovery Studio的計算描述符，改善感官感知的預測

BIOVIA合同研究團隊使用了香氣分子的2D、3D和形狀描述符以及蛋白質(zhì)的結(jié)合位點定義，并生成了預測模型。這種方法在虛擬候選的多次迭代中得到了延續(xù)，隨后進行了實驗室測試，以微調(diào)預測。

優(yōu)化燃料電池的性能和成本

性能成本優(yōu)化（電解槽/燃料電池電極）：質(zhì)子交換膜（PEM）電解槽因其能效、緊湊的設(shè)計和高電流密度而備受關(guān)注，它能有效地分解水來生產(chǎn)純氫氣和氧氣。以這種方式產(chǎn)生的氫氣可以用作內(nèi)燃機的燃料，而不是汽油和燃料電池。

在燃料電池中，氫氣和氧氣結(jié)合發(fā)電，水是唯一的副產(chǎn)品。燃料電池將化學能轉(zhuǎn)化為電能，并且不會產(chǎn)生任何污染物。因此，電解槽和燃料電池對于實現(xiàn)未來的零排放至關(guān)重要。

使用Pipeline Pilot和Materials Studio進行機器學習，以優(yōu)化電極成本和性能

BIOVIA 合同研究團隊使用SML為客戶設(shè)計這些電解槽和燃料電池的電極。使用基于3D化學的量子力學建模和生成式機器學習，我們能夠識別出一種成分，該成分減少了昂貴貴金屬的使用量，同時提高了性能。基于我們對不同電極合金的虛擬篩選，我們的客戶構(gòu)建了PEM電池，在實驗室進行了測試，并成功地向前邁進。

預測電池壽命

電池壽命：在使用和儲存過程中，驅(qū)動電池工作的電化學反應(yīng)及其暴露的環(huán)境條件會導致電池性能隨著時間的推移而降低。為了優(yōu)化電池的運行并確保其安全可靠，準確預測剩余使用壽命（RUL）至關(guān)重要，尤其是要預測電池級別以及電池組和模塊級別的關(guān)鍵特性。

合同研究ATC技術(shù)預測電池壽命

BIOVIA合同研究團隊創(chuàng)建了一個ATC，用于使用機器學習預測RUL。

在BIOVIA合同研究業(yè)務(wù)中，基于我們開發(fā)的ATC技術(shù)和客戶的電池循環(huán)數(shù)據(jù)集，使用基于物理的特征生成、化學的描述符和順序特征選擇的組合，創(chuàng)建了機器學習模型。根據(jù)行業(yè)標準的最佳實踐，我們開發(fā)了一個可以準確預測電池壽命的模型。我們不斷突破我們的方法和能力的邊界，使電池制造商、電動汽車原始設(shè)備制造商和醫(yī)療設(shè)備公司從我們的解決方案中獲得最大價值。

加快個人護理配方篩選

可持續(xù)個人護理：在競爭激烈且部分成本敏感的環(huán)境中，個人護理產(chǎn)品行業(yè)面臨著加快開發(fā)進程以縮短上市時間的挑戰(zhàn)。客戶希望獲得更安全、更可持續(xù)的產(chǎn)品，新的監(jiān)管要求敦促配方商在不損失產(chǎn)品性能的情況下用新的成分取代過時的成分。

BIOVIA合同研究團隊使用虛擬模擬實現(xiàn)實時決策。由于重重原因，處理這一領(lǐng)域的復雜配方非常激烈：

成分的化學類別多種多樣，涵蓋了廣泛的作用，如溶劑、活性物質(zhì)、鹽、固體等。

尺寸范圍從小分子到中等尺寸的表面活性劑和天然成分（通常未完全表征），再到大尺寸（生物）聚合物甚至蛋白質(zhì)。

進一步復雜性，涉及復雜的相，如乳液、凝膠、溶膠或泡沫。

開發(fā)配方的SML模型篩選生物衍生成分

在與客戶的合同研究中，BIOVIA合同研究團隊使用ATC技術(shù)預測產(chǎn)品的相關(guān)特性。獨特的配方SML模型遵循特征選擇和訓練模型的最佳實踐，成功地對客戶特定的產(chǎn)品配方進行了盲預測。ML模型已經(jīng)以民主化的方式部署到客戶系統(tǒng)上，配方工程師將其應(yīng)用于實時虛擬篩選和指導實驗室實驗。

預測配方產(chǎn)品性能和保質(zhì)期

配方產(chǎn)品穩(wěn)定性：個人護理行業(yè)產(chǎn)品在貨架和倉庫存放過程中往往會產(chǎn)生降解，而消費者希望這些產(chǎn)品在消費前能夠保持其性能和外觀的一致性。不幸的是，有時這些產(chǎn)品會隨著不良副反應(yīng)的發(fā)生而改變功能和外觀。外觀的變化有時會是產(chǎn)生可見的霧狀物，或者產(chǎn)品顏色的變化。

在與客戶合作中，BIOVIA合同研究團隊開發(fā)了先進的SML模型來預測產(chǎn)品配方的顏色如何隨時間變化。這些模型能夠預測產(chǎn)品當天、幾周、甚至幾個月之后產(chǎn)品的顏色變化情況。為配方工程師設(shè)計配方和預測配方的穩(wěn)定性提供了指導和建議。配方工程師可以虛擬模擬不同假設(shè)場景下新配方顏色穩(wěn)定性，從而最大限度地減少這些顏色變化。