人工智能技术在化学中的应用

人工智能在化学中的应用1智能智能是个体有目的的行为、合理的思维，以及有效地适应环境的综合能力。通俗地讲，智能是个体认识客观事物、客观世界和运用知识解决问题的能力。智能的分类生物质能 BI

BiologicalIntelligence人工智能 AI

ArtificialIntelligence计算智能 CI

ComputationalIntelligence NN --NeuralNetworks 神经网络

PR --PatternRecognition 模式识别生物智能以脑为主体的神经系统，最基本单位是生物神经元。人类个体的智能是一种综合性能力1）感知与认识事物、客观世界与自我的能力；2）通过学习取得经验、积累知识的能力；3）理解知识、运用知识和运用经验分析问题和解决问题的能力；4）联想、推理、判断、决策的能力；5）运用语言进行抽象、概括的能力；6）发现、发明、创造、创新的能力；7）实时地、迅速地、合理地应付复杂环境的能力；8）预测、洞察事物发展变化的能力。智能是相对的、发展的。离开特定时间说智能是困难的、没有意义的。人工智能人工智能是相对人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为和“机器思维”解决需要人类专家才能处理的问题。人工智能是人工制品(artifact)中所涉及的智能行为。其中，智能行为包括：感知(perception)、推理(Reasoning)、学习(learning)、通信(communicating)和复杂环境下的动作行为(acting)。人工智能目标

人工智能目标是实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。

1、研究像人一样工作的机器，甚至比人做得更好

2、能够理解机器、人或动物的智能行为

智能革命

智能革命是指人的自然智能通过人工智能的模仿和扩展，实现社会生产的自动化和智能化，促进知识密集型经济的发展。2人工智能的研究方法

人工智能经过发展，形成了许多学派。不同学派的研究方法、学术观点、研究重点有所不同。这里主要介绍认知学派、逻辑学派、行为主义学派和连接主义学派。2.1认知学派

(以Simon,Minskey和Newell等为代表)基本思想从人的思维活动出发，利用计算机进行宏观功能模拟。基于物理符号系统假设，将任何信息加工系统看成是一个具体的物理系统。基本观点物理系统表现智能行为的充要条件是该系统是一个物理符号系统。主要工工作1）Newell的LogicTheorist，模拟拟人证证明数数学定定理的的思维维过程程2）GPS，模拟拟人的的解题题过程程(拟定初初步解解题计计划利用用公理理、定定理和和规则则，按按规则则实施施解题题过程程不不断进进行“目的—手段“分析，，修订订解题题计划划。3）物理理符号号系统统假设设。符符号是是模式式。物物理符符号系系统的的基本本任务务和功功能是是辨认认相同同的符符号和和区别别不同同的符符号。。2.2逻辑学学派（（以McCarthy和Nilsson等为代代表)基本思思想用逻辑辑来研研究人人工智智能，，用形形式化化的方方法（（统一一的逻逻辑框框架））描述述客观观世界界。基本观观点1）智能能机器器必须须有关关于自自身环环境的的知识识2）通用用智能能机器器要能能陈述述性地地表达达关于于自身身环境境的大大部分分知识识3）通用用智能能机器器表示示陈述述性知知识的的语言言至少少要有有一阶阶逻辑辑的能能力主要工工作1）概念念化知知识表表示2）模型型论语语义3）演绎绎推理理4）非单单调逻逻辑用用于常常识推推理2.3行为主主义学学派(以Brooks为代表表)基本思思想以复杂杂的现现实世世界为为背景景，让让人工工智能能理论论先经经受解解决实实际问问题的的考验验，并并在这这种考考验中中成长长。智智能只只是在在与环环境的的交互互作用用中表表现出出来。。基本观观点1）到现现场去去2）物理理实现现3）初级级智能能4）行为为产生生智能能主要工工作1）无需需知识识表示示的智智能2）无需需推理理的智智能3）机器器虫2.4连接主主义学学派基本思思想从脑的的神经经系统统结构构出发发来研研究脑脑的功功能，，研究究大量量简单单的神神经元元的集集团信信息处处理能能力及及其动动态行行为，，模拟拟和实实现人人的认认识过过程中中的感感知觉觉过程程、形形象思思维、、分布布式记记忆和和自学学习自自组织织过程程。基本观观点1）神经经网络络以分分布式式方式式存储储信息息2）神经经网络络以并并行方方式处处理信信息3）神经经网络络具有有自组组织、、自学学习能能力主要工工作人工神神经网网络BNNBPRBIANNAPRAICNNCPRCI知识获获取难难度及及计算算量3知识的的获取取过程程知识系系统知识工工程已已成为为人工工智能能应用用最显显著的的特点点。知识系系统主主要研研究内内容：：1、专家家系统统知识库库+推理机机2、知识识库系系统将知识识以一一定的的结构构存入入，进进行知知识管管理，，实现现知识识共享享3、智能能决策策系统统4、知识识科学学人工智智能借助技技术或或理论论手段段，应应用数数学方方法和和数值值逻辑辑。使使用计计算机机等工工具，，模拟拟、延延伸或或扩展展人的的智能能。专家系系统是是人工工智能能的一一个重重要分分支在在化学学领域域中主主要应应用于于以下下几个个方面面：谱图解解析和和有机机化合合物结结构的的阐明明分离科科学-GC、HPLC、CE等方法法分离离条件件的选选择试验方方案的的最优优控制制工业生生产流流程控控制分子模模拟设设计--计算机机辅助助辅助助合成成路线线方案案的选选择专家系系统是一个个智能能的计计算机机软件件系统统，该该系统统利用用已知知的知知识进进行演演绎推推理。。世界上上第一一个专专家系系统（（DENDRAL）诞生生于化化学领领域，，应用用MS、NMR解释有有机化化合物物的结结构。。知识库库（事实实、直接推断））推理理机机解决模模块用户接口计算智智能模糊系系统理理论人工神经经网络进化计算算（主要要是遗传传算法））人工神经经网络ArtificialNeuralNetwork生物神经经元裸露的轴轴突末梢梢与其它它神经细细胞或效效应器细细胞构成成突触联联系。生物神经经元网络络感觉神经经元（传传入神经经元），，与感受器器相连中间神经经元运动神经经元（传传出神经经元），，与效应起起相连六个基本本特征1）神经元及及其联接接；2）神经元之之间的联联接强度度决定信信号传递递的强弱弱；3）神经元元之间的的联接强强度是可可以随训训练改变变的；4）信号可可以是起起刺激作作用的，，也可以以是起抑抑制作用用的；5）一个神神经元接接受的信信号的累累积效果果决定该该神经元元的状态态；6)每个神经经元可以以有一个个“阈值”。人工神经经网络（ArtificialNeuralNetworks，简记作作ANN），是对人类类大脑系系统的一一阶特性性的一种种描述。。简单地地讲，它它是一个个数学模型型，可以用用电子线路路来实现，，也可以以用计算机程程序来模拟，，是人工工智能研研究的一一种方法法。作为5种能力综综合表现现形式的的3种能力发现、发发明、创创造、创创新的能能力实时、迅迅速、合合理地应应付复杂预测、洞察事物发展、变化的能力

人工神神经网网络的的提出出Newell和Simon假说：：一个物物理系系统表表现智智能行行为的的充要要条件件是它它有概念：物理符号系统需要有一组称为符号的实体组成，它们都是物理模型，可以在另一类称为符号结构的实体中作为成分出现，以构成更高级别的系统

.困难：：抽象——舍弃一一些特特性，，同时时保留留一些些特性性形式化化处理理——用物理理符号号及相相应规规则表表达物物理系系统的的存在在和运运行。。局限：：对全局局性判判断、、模糊糊信息息处理理、多多粒度度的视视觉信信息处处理等等是非非常困困难的的。物理符符号系系统和和人工工神经经网络络系统统的差差别项目物理符号系统人工神经网络处理方式逻辑运算模拟运算执行方式串行并行动作离散连续存储局部集中全局分布两种人人工智智能技技术的的比较较项目传统的AI技术

ANN技术

基本实现方式串行处理；由程序实现控制并行处理；对样本数据进行多目标学习；通过人工神经元之间的相互作用实现控制基本开发方法设计规则、框架、程序；用样本数据进行调试（由人根据已知的环境去构造一个模型）定义人工神经网络的结构原型，通过样本数据，依据基本的学习算法完成学习——自动从样本数据中抽取内涵（自动适应应用环境）适应领域精确计算：符号处理，数值计算非精确计算：模拟处理，感觉，大规模数据并行处理模拟对象左脑（逻辑思维）右脑（形象思维）人工神神经网网络的的特点点信息的的分布布表示示运算的的全局局并行行和局局部操操作处理的的非线线性ANN学习（（Learning）能力力人工神神经网网络可可以根根据所所在的的环境境去改改变它它的行行为自相联联的网网络异相联联的网网络：它在接接受样不同的人工神经网络模型，有不同的学习/训练算法基本特特征的的自动动提取取由于其其运算算的不精确确性，表现现成“去噪音音、容容残缺缺”的能力力，利利用这这种不不精确确性，，比较较自然然地实实现模模式的的自动动分类类。普化（（Generalization）能力力与抽抽象信息的的分布布存放放信息的的分布布存提提供容容错功功能由于信信息被被分布布存放放在几几乎整整个网网络中中，所所以，，当其其中的的某一一个点点或者者某几几个点点被破破坏时时，信信息仍仍然可可以被被存取取。系统在受到到局部损伤伤时还可以以正常工作作。并不是说可可以任意地地对完成学学习的网络络进行修改改。也正是是由于信息息的分布存存放，对一一类网来说说，当它完完成学习后后，如果再再让它学习习新的东西西，这时就就会破坏原原来已学会会的东西。。适应性(Applicability)问题擅长两个方方面：对大量的数数据进行分分类，并且且只有较少少的几种情情况；必须学习一一个复杂的的非线性映映射。目前应用：：人们主要将将其用于语语音、视觉觉、知识处处理、辅助助决策等方方面。在数据压缩缩、模式匹匹配、系统统建模、模模糊控制、、求组合优优化问题的的最佳解的的近似解（（不是最佳佳近似解））等方面也也有较好的的应用。神经元是构构成神经网网络的最基基本单元（（构件）。。人工神经元元模型应该该具有生物物神经元的的六个基本本特性。人工神经元元模拟生物物神经元的的一阶特性。输入：X=（x1，x2，…，xn）联接权：W=（w1，w2，…，wn）T网络输入：：net=∑∑xiwi向量形式：：net=XWxnwn∑x1w1x2w2net=XW…激活函数(ActivationFunction)激活函数——执行对该神神经元所获获得的网络络输入的变变换，也可可以称为激激励函数、、活化函数数：o=f（net）1、线性函数数（LinerFunction）f（net）=k*net+cnetooc非线性斜面面函数(RampFunction)γifnet≥θf（net）=k*net if|net|<θθ-γifnet≤-θγ>0为一常数，，被称为饱饱和值，为为该神经元元的最大输输出。2、非线性斜斜面函数（（RampFunction）γ-γθ

-θ

net

o

阈值函数（（ThresholdFunction）阶跃函数数βifnet>θf（net）=-γifnet≤θθβ、γ、θ均为非负实实数，θ为阈值二值形式：：1ifnet>θf（net）=0ifnet≤θθ双极形式：：1ifnet>θf（net）=-1ifnet≤θθ阈值函数（（ThresholdFunction）阶跃函数数β-γθonet04、S形函数压缩函数（（SquashingFunction）和逻辑斯斯特函数（（LogisticFunction）。f（net）=a+b/(1+exp(-d*net))a，b，d为常数。它它的饱和值值为a和a+b。最简单形式式为：f（net）=1/(1+exp(-d*net))函数的饱和和值为0和1。S形函数有较较好的增益益控制4、S形函数a+bo(0,c)netac=a+b/2人工神经元元网络T每个神经元元均为多输输入单输出出的信息处处理单元输入分兴奋奋性和抑制制型两种神经元有阈阈值特性应用构造了具具有3层节点的的人工神神经网络络模型,将太湖2001年5～12月全湖共共26个采样点点的实测测值作为为学习样样本,一共有26×8=208组数据。。从这些些数据中中分别随随机抽取取1/4的数据各各52组作为检检验样本本和测试试样本,其余的104组(占50%)数据作为为训练样样本。每每个样本本均含有有12个输入因因子,分别是风风速、风风向、水水温、ｐｐＨ、ＤＤＯ、高高锰酸钾钾指数、、浊度、、ＴＮ、、ＴＰ、、叶绿素素ａ、透透明度、、ＢＯＤＤ5。以浮游游植物作作为输出出因子。。用2002年8月的各点点的浮游游植物数数据进行行预测比比较，人工神经经网络模模型前向网络络（I/O映射）感知器、、BP、RBF反馈网络络（演化式式好善性性非线性性动力系系统）Hopfield网络、回回归BP、Boltzman机等自组织网网络自适应共共振网络络、自组组织特征征映射网网络多层前向向BP网络的优优点①网络实质质上实现现了一个个从输入入到输出出的映射射功能，，而数学学理论已已证明它它具有实实现任何何复杂非非线性映映射的功功能。这这使得它它特别适适合于求求解内部部机制复复杂的问问题；②②网络络能通过过学习带带正确答答案的实实例集自自动提取取“合理的”求解规则则，即具具有自学学习能力力；③③网络具具有一定定的推广广、概括括能力。。多层前向向BP网络存在在的问题题①BP算法的学学习速度度很慢，，其原因因主要有有：a由于BP算法本质质上为梯梯度下降降法，而而它所要要优化的的目标函函数又非非常复杂杂，因此此，必然然会出现现“锯齿形现现象”，这使得得BP算法低效效；b存在麻痹痹现象，，由于优优化的目目标函数数很复杂杂，它必必然会在在神经元元输出接接近0或1的情况下下，出现现一些平平坦区，，在这些些区域内内，权值值误差改改变很小小，使训训练过程程几乎停停顿；c为了使网网络执行行BP算法，不不能用传传统的一一维搜索索法求每每次迭代代的步长长，而必必须把步步长的更更新规则则预先赋赋予网络络，这种种方法将将引起算算法低效效。②②网络训训练失败败的可能能性较大大，其原原因有：：a从数学角角度看，，BP算法为一一种局部部搜索的的优化方方法，但但它要解解决的问问题为求求解复杂杂非线性性函数的的全局极极值，因因此，算算法很有有可能陷陷入局部部极值，，使训练练失败；；b网络的逼逼近、推推广能力力同学习习样本的的典型性性密切相相关，而而从问题题中选取取典型样样本实例例组成训训练集是是一个很很困难的的问题。。③难以解决决应用问问题的实实例规模模和网络络规模间间的矛盾盾。这涉涉及到网网络容量量的可能能性与可可行性的的关系问问题，即即学习复复杂性问问题；④④网络络结构的的选择尚尚无一种种统一而而完整的的理论指指导，一一般只能能由经验验选定。。为此，，有人称称神经网网络的结结构选择择为一种种艺术。。而网络络的结构构直接影影响网络络的逼近近能力及及推广性性质。因因此，应应用中如如何选择择合适的的网络结结构是一一个重要要的问题题；⑤⑤新加入入的样本本要影响响已学习习成功的的网络，，而且刻刻画每个个输入样样本的特特征的数数目也必必须相同同；⑥⑥网络的的预测能能力（也也称泛化化能力、、推广能能力）与与训练能能力（也也称逼近近能力、、学习能能力）的的矛盾。。一般情情况下，，训练能能力差时时，预测测能力也也差，并并且一定定程度上上，随训训练能力力地提高高，预测测能力也也提高。。但这种种趋势有有一个极极限，当当达到此此极限时时，随训训练能力力的提高高，预测测能力反反而下降降，即出出现所谓谓“过拟合”现象。此此时，网网络学习习了过多多的样本本细节，，而不能能反映样样本内含含的规律律。人工神经经网络的的学习方方式有导师无导师自监督分析化学学信息获获取手段段在信息社社会中，，InterNet是一颗最最耀眼的的明星。。InterNet被称为万万维网、、国际互互联网或或因特网网，是由由美国ARPNet发展起来来的，采采用TCP/IP协议通讯讯，是世世界上最最大的开开放性全全球信息息网络。。1搜索索引擎搜索引擎擎网站的的主要资资源是它它的索引引数据库库，而非非它的网网页信息息，因此此它的主主要功能能就像图图书馆的的目录卡卡片一样样，是为为人们搜搜索Internet网上信息息并提供供获得所所需信息息的途径径。搜索索引擎的的索引数数据库，，以万维维网资源源为主，，有的还还包括电电子邮件件地址、、新闻论论坛文章章，FTP，，gopher等网上资资源。随随着网络络技术的的飞速发发展，Internet数据信息息库积累累的数据据和主题题越越多多。怎样样快速、、高效、、经济地地查询某某个主题题的所有有信息，，就成了了一个十十分热门门的课题题。化学化工工宏站点点与搜索引引擎一样样，宏站站点也可可以起到到查询信信息的作作用，对对于特定定学科或或专题信信息的查查找，由由于大都都是一些些著名大大学的相相关院系系建立，，主题明明确，组组织得当当，可信信度高，，在一定定的程度度上，它它优于一一般的大大型搜索索引擎。。对于化化学工作作者来说说，收集集、知道道一些与与本专业业有关的的宏站点点，是Internet上化学信信息查询询的一条条捷径。。因为宏宏站点大大都用主主题分类类，仅仅仅简单地地用浏览览的方法法就可得得到所需需的信息息。每一一个这样样的宏站站点都已已链接到到其它的的化学宏宏站点上上，所有有的化学学宏站点点都极为为相似，，因此一一旦找到到一个这这类优秀秀站点，，就基本本上没有有必要再再去找其其它宏站站点。中国科学学院化工工冶金研研究所李李晓霞等等建立的的CHIN(ChemicalInformationNetwork)它是中国国科学院院化工冶冶金研究究所与联联合国教教科文组组织UNESCO的合作项项目，是是关于Internet重要化学学信息资资源的导导航系统统。ChIN有选择地地对Internet重要的化化学信息息资源进进行链接接和介绍绍，力求求使其反反映Internet化学信息息资源的的概貌和和最新发发展动态态。ChINWeb网页由重重要化学学信息资资源链接接组成的的目录以以及被链链接资源源的简介介页组成成。化学类有有用的宏宏站点虚拟图书书馆化学虚拟拟图书馆馆主要站站点电电子论坛坛电子论坛坛(LISTSERVE)是INTERNET上极受欢欢迎的一一种信息息交流形形式,除LISTSERVE外,我们还可可见到它它的其它它名称,如邮件列列表(Mailinglist)、讨论组（（DiscussionGroup）或电子公公告牌（（Springboard）等等。电子论坛坛因其通通过电子子邮件来来收发信信息，也也就是说说用户可可使用任任何一种种电子邮邮件系统统来阅读读新闻和和其它信信息，使使用起来来十分方方便。虽虽然它在在对信息息的处理理和控制制上还有有待进一一步加强强，但仍仍不失为为目前最最受化学学工作者者青睐的的网络信信息交流流工具。。主题指南南最有名的的主题指指南化化学专利利及文献献专利中蕴蕴含大量量的化学学信息，，而化学学信息在在很大程程度上由由专利组组成。如如化学文文摘中，，16%以上都和和专利相相关。每每年在不不同国家家都有成成百上千千的各类类新专利利公布，，而这些些专利涉涉及范围围广、内内容包罗罗万象。所谓专利利就是国国家授予予发明人人的一种种特权，，在实行行专利制制度的国国家，凡凡是本国国或外国国的个人人和企业业有了创创造发明明，都可可以根据据专利法法的规定定，向本本国或外外国专利利局提出出申请，，经审查查合格，，批准授授予在一一定年限限内享有有创造发发明成果果的权利利，并在在法律上上受到保保护。这这样一种种受到法法律保护护的技术术专有权权利叫做做专利。。目前，世世界上约约有150多个个国家和和地区实实施专利利制度，，有将近近100个国家家公布专专利申请请说明书书和正式式批准的的专利说说明书。。每年公公布约100多多万件专专利，其其中很多多都是同同一项发发明创造造向不同同国家重重复申请请的专利利，因此此实际发明明数量约约40万万件。专利文献献是当今今世界科科学技术术发展的的一个重重要标志志，每一一项新的的发明创创造或技技术改进进，通常常都首先先反映在在专利文文献上，，由于每每件专利利都凝聚聚了专利利发明者者最具有有创造性性的成果果，因此此对于我我们研究究国外科科技水平平的发展展趋势，，制定科科研计划划、评价价采用新新的科技技成就的的经济利利益等方方面，都都明显地地反映出出使用专专利情报报的重要要性。长长期以来来，世界界各国企企业之间间剧烈竞竞争的一一个显著著特点是是情报信信息的竞竞争。情情报机构构工作的的一个重重要方面面就是研研究专利利文献。。一般分为为三类：：发明专利利、实用用新型专专利、外外观设计计专利（（如中国国专利））。美国专利利分类：：实用新型型专利（（包括了了发明专专利）、、E为再颁专利，，P为植物专利，，T为防卫性公告告，H为法定发明登登记专利,AI为改进专利。。不同国家专利利的类型代码码及含义都存在着着差别。专利类型美国专利数据据库美国专利数据据库主页：分授权专利数数据库和申请请专利数据库库两部分：授授权专利数据据库提供了1790年至今各种类类型的美国专专利，其中有有1790年至今的图像像说明书，1976年至今的全文文文本说明书书（附图像联联接）；申请请专利数据库库只提供了2001年起在授权前前的专利出版版物中收录的的实用新型专专利（美国的的实用新型专专利包含了发发明专利）申申请说明书的的文本和图像像。作为目前全球球最大的联机机信息服务商商，Dialog也是广大科技技人员所熟知知的一类科技技情报检索系系统，近年来来,国内大部部分图书馆己己通过Te1net方式与其相连连。因此在Internet上也可以通过过网络浏览器器进行信息检检索。其专利利信息资源主主要提供世界界专利数据库库索引（WorldPatentIndex）：提供全球大约约70多个国国家的英文专专利摘要索引引；提供美国国注册版权索索引（USCopyrights）；提供在世界知知识产权组织织，美国、英英国、法国、、德国等国登登记注册的商商标档案（TrademarkScan）。中国专利的检检索途径中国国家知识识产权局数据据库主页：收录85年至今的中国国专利说明书书主题或专业专专利/技术转转换数据库外国专利数据据库网址快速检索：只允许两个检检索词的组合合检索STEP1：选择时间范范围。STEP2：输入检索词词。STEP3：选择检索途途径，在右边边的下拉菜单单中提供了三三十多个检索索途径。日本专利数据据库主页：收集了各种公公报的日本专专利(特许和实用新新案)，有英语和日日语两种工作作语言，英文文版收录自1993年至今公开的的日本专利题题录和摘要，，日文版收录录1971年开始至今的的公开特许公公报，1885年开始至今的的特许发明明明细书，1979年开始至今的的公表特许公公报等专利文文献。日文版检索入入口英文版检索入入口PAJ检索：：用英文文关键键词或或专利利号检检索1993年1月以后后日本本专利利英文文题录录和摘摘要PAJ关键词词检索索专利号号检索索Publicationnumber同济大大学图图书馆馆信息息咨询询部欧洲专专利数数据库库主页页：欧洲专专利数数据库库收录录时间间跨度度大，，涉及及的国国家多多，收收录了了1920年以来来(各国的的起始始年代代有所所不同同)世界上上50多个国国家和和地区区出版版的共共计1.5亿多万万件文文献的的数据据。同济大大学图图书馆馆信息息咨询询部特点：：改版后后的欧欧洲专专利数数据库库，更更易于于非专专业检检索人人员的的使用用。共有四四种检检索方方法：：快速速检索索、高高级检检索、、专利利号检检索、、专利利分类类号检检索，，每种种检索索界面面都提提供了了一个个快速速帮助助窗口口，它它能够够引导导初级级用户户顺利利地完完成检检索。。反映同同族专专利情情况，，以便便选择择更易易理解解的语语言来来阅读读专利利全文文提供了了PDF和HTML两种格格式的的专利利全文文同济大大学图图书馆馆信息息咨询询部联机检检索光光盘专利信信息光光盘有有两个个主要要卖主主，分分别是是Micropatent和RapidPatent（德温特特公司司）。。这些些公司司都有有美国国化学学专利利图象象数据据库。。从光光盘上上同样样可检检索到到欧洲洲专利利。MicroPatent公司的的专