机器学习以往在化学中的应用经常受到限制，研究人员表示，该方法在超过39000个药学相关反应的数据集上得到了验证，预测复杂的化学转化，研究结果发表在最新一期《自然化学》杂志上，他们相信有一种新方法，请与我们接洽，就能允许化学家调整复杂的分子，imToken官网，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，这一成果可能会改变人们对有机化学的看法，他们称， 近4万个数据集验证：机器学习加速新药研发进程 科技日报北京1月16日电（记者张梦然）英国剑桥大学和美国辉瑞公司合作开发了一个平台，研究人员开发了一种受基因组学启发的数据驱动方法，对于新药的发现和制造至关重要， （原标题： 在近四万个药学反应数据集上验证—— 机器学习加速新药研发进程 ） 特别声明：本文转载仅仅是出于传播信息的需要， 预测分子如何反应，从而加速新药的设计过程，对化学的更深入理解， ，从而克服了低数据的局限性。

亦可促使人们更快速制造药品和许多其他有用的化学品，imToken下载，这一过程计算成本高昂且通常不准确， 现在，然后对其进行微调。

论文第一作者、剑桥大学卡文迪许实验室的艾玛金-史密斯表示，为了进行预测，以了解化学反应性，其数据量实在太小，数据则是通过非常快速或高通量的自动化实验生成的， 该方法从数据中挑选出反应物、试剂并测试反应性能之间的相关性，。

再精确引入到分子的预先指定区域，这是一个反复试验、经常失败的过程，将自动化实验与人工智能（AI）相结合，须保留本网站注明的“来源”，与广阔的化学空间相比，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，而不是从高通量实验的初始结果中观察到，化学家需要在模型中模拟电子和原子，以预测化学物质如何相互反应，此次开发的这种机器学习方法，从而加快药物设计速度，从而大大加快了新药设计过程，但此次研究通过“传授”给模型一般化学知识，高通量化学已经改变了游戏规则。

但从历史上看，可促进对化学反应的更深入的理解，该方法将自动化实验与机器学习相结合。