“實(shí)驗(yàn)優(yōu)化器”，輸入所希望優(yōu)化的實(shí)驗(yàn)（工藝）參數(shù)空間，如溫度、壓力、溶劑配比等，以及希望優(yōu)化的性能，如收率、反應(yīng)時(shí)間等，經(jīng)過少量的實(shí)驗(yàn)迭代，可以快速找到最佳性能所對(duì)應(yīng)的實(shí)驗(yàn)（工藝）參數(shù)。注意，“實(shí)驗(yàn)優(yōu)化器”在使用過程中，需要與實(shí)驗(yàn)配合使用。

當(dāng)給定一條工藝路線之后，所需要調(diào)試的工藝參數(shù)往往需要大量實(shí)驗(yàn)來尋找最佳的參數(shù)組合。

在非均相催化體系中，催化劑以固相或負(fù)載在固相上存在，而催化劑結(jié)構(gòu)、載體結(jié)構(gòu)對(duì)催化性能都有著影響。在“非均相催化性能預(yù)測(cè)器”的基礎(chǔ)上，后面連接“非均相催化結(jié)構(gòu)生成器”，可以根據(jù)所希望的催化性能，輸出所對(duì)應(yīng)的催化劑結(jié)構(gòu)、或載體結(jié)構(gòu)。

當(dāng)知道電池微觀尺度的分子結(jié)構(gòu)等信息與所展現(xiàn)的性能之間關(guān)系之后，可以提出所期望的性能，反推所對(duì)應(yīng)的微觀結(jié)構(gòu)。還是以電解液添加劑為例，在“電池材料性能預(yù)測(cè)器”的基礎(chǔ)上，后面接入“電池材料分子（結(jié)構(gòu)）生成器”，可以輸入所期望的電解液性能，輸出為對(duì)應(yīng)的添加劑信息（分子結(jié)構(gòu)、添加量等）。

合成路線推薦器由Corey在20世紀(jì)60年代提出，用來描述通過斷鍵將一個(gè)復(fù)雜的目標(biāo)分子還原為簡單前體或可購買化合物的迭代過程。傳統(tǒng)的逆合成方法基于專家經(jīng)驗(yàn)和大量文獻(xiàn)查詢，時(shí)間長，成本高。該逆合成平臺(tái)，基于先進(jìn)人工智能算法，可以短時(shí)間內(nèi)生成合理的目標(biāo)化合物合成路線。

- 產(chǎn)生新想法：找到新化合物的合成途徑或者舊化合物的新的合成路徑。
- 節(jié)省時(shí)間：減少開發(fā)合成路徑的時(shí)間和精力。
- 降低研發(fā)成本：提高合成成功率。
- 增強(qiáng)知識(shí)：學(xué)習(xí)數(shù)據(jù)庫以及專家經(jīng)驗(yàn)。

反應(yīng)預(yù)測(cè)器能夠從微觀尺度上基于量子化學(xué)方法快速計(jì)算如氣相、溶液、體相等多種復(fù)雜環(huán)境反應(yīng)體系的一系列反應(yīng)過程，給出完整的反應(yīng)路徑信息。由此能夠清晰地找出過渡態(tài)從而推斷反應(yīng)決速步，并給出各種可能出現(xiàn)的產(chǎn)物和副產(chǎn)物以及對(duì)應(yīng)的產(chǎn)率分布。借助反應(yīng)預(yù)測(cè)器，能夠在降低實(shí)驗(yàn)成本的同時(shí)提高研發(fā)效率，完善更加全面的反應(yīng)信息，幫助理解化工體系中的各種微觀反應(yīng)機(jī)理。在實(shí)際的化工生產(chǎn)中對(duì)提高生產(chǎn)效率，降低生產(chǎn)成本來說具有重要意義。
 

給出完整的反應(yīng)路徑、清晰找出決速步、給出可能出現(xiàn)的副產(chǎn)物、給出產(chǎn)率分布

在傳統(tǒng)分子發(fā)現(xiàn)流程中，全新可繞開專利限制的分子發(fā)現(xiàn)任務(wù)往往需要大量專家通過對(duì)與文獻(xiàn)中分子相近的極其有限的化學(xué)空間進(jìn)行猜測(cè)和嘗試來進(jìn)行，這大大增加了分子發(fā)現(xiàn)流程的周期和成本，也限制了分子的多樣性，對(duì)此，分子生成模型通過給定分子的各種約束來逆向生成分子而為分子發(fā)現(xiàn)提供了一種新的解決方案。

• 不受限于小數(shù)據(jù)集：國工自研的分子生成模型完全脫離了文獻(xiàn)小數(shù)據(jù)集的桎梏，可以只通過人為指定的規(guī)則（無需指定數(shù)據(jù)集）生成大量高多樣性的滿足規(guī)則的分子。
• 精確生成滿足規(guī)則的分子：國工自研的分子生成模型可以根據(jù)指定的規(guī)則（比如結(jié)合能力在某一個(gè)特定的區(qū)間中甚至為一個(gè)特定的值）極其精確的生成滿足規(guī)則且多樣性極強(qiáng)的分子，以供實(shí)驗(yàn)端滿足后期嘗試的需要。
• 高效利用后期化學(xué)實(shí)驗(yàn)迭代數(shù)據(jù)：國工自研的分子生成模型可以通過直接提取反饋數(shù)據(jù)中蘊(yùn)含的規(guī)則的形式高效利用珍貴的實(shí)驗(yàn)數(shù)據(jù)而大大節(jié)約后期實(shí)驗(yàn)成本。
• 可以大量生成在現(xiàn)有公開數(shù)據(jù)集中完全不存在且滿足特定規(guī)則的高多樣性分子：國工自研的分子生成模型基于獨(dú)特的化學(xué)空間探索技術(shù)，完全不受規(guī)則難度的影響，可以在公開數(shù)據(jù)集中完全無法找到符合規(guī)則的分子的場景中（這類場景中傳統(tǒng)基于規(guī)則的分子生成算法幾乎完全無法運(yùn)行）正常運(yùn)行并產(chǎn)生大量高多樣性的目標(biāo)分子。

首先，計(jì)算催化劑的結(jié)構(gòu)描述符和電子描述符。結(jié)構(gòu)描述符包括埋藏體積、特定鍵長和鍵角、分子體積以及表面積等。電子結(jié)構(gòu)描述符則包括福井函數(shù)、電子密度和軌道能量等指標(biāo)。為了滿足計(jì)算精度和速度的需求，采用不同級(jí)別的結(jié)構(gòu)優(yōu)化方法，如力場、半經(jīng)驗(yàn)和密度泛函理論（DFT）。

接下來，建立描述符和催化劑性質(zhì)之間的機(jī)器學(xué)習(xí)模型。選擇適當(dāng)?shù)奶卣骱蜋C(jī)器學(xué)習(xí)模型的超參數(shù)，并在必要時(shí)考慮實(shí)驗(yàn)條件與描述符的關(guān)聯(lián)。然后，利用機(jī)器學(xué)習(xí)模型篩選出符合要求的新分子。這種將機(jī)器學(xué)習(xí)與計(jì)算化學(xué)相結(jié)合的方法極大地縮小了實(shí)驗(yàn)篩選的范圍，從而加快了分子發(fā)現(xiàn)的進(jìn)程。