Redwood AI 发布了能够提升化学合成预测平台“Reactosphere”性能的初期研究成果。通过此次研究，该平台评估的化学反应学习范围从约400万件增加至超过2100万件，公司认为这将使其能够实现更精确的预测和副产物检测。
总部位于加拿大温哥华的Redwood AI于1日（当地时间）公开了与不列颠哥伦比亚大学（UBC）Jolene Reid教授团队共同进行的研究项目的初步成果。据公司介绍，新模型的设计方式是对现有AI模型进行补充，其重点已超越简单地将化学反应数据识别为模式，而是专注于解读反应以何种顺序和原理进行。
现有化学合成AI在从过去反应数据中寻找重复规律方面表现出优势，但一直有意见指出，其对“为何会发生该反应”的“化学理解”有限。Redwood AI解释称，此次的方法旨在减少这一局限性。初步结果显示，在新数据集中已确认了可学习的模式，且准确度也达到了有希望的水平。
这一变化之所以重要，并不仅限于能够提出合成路径。公司期望Reactosphere未来不仅能提供有前景的合成路径，还能帮助识别潜在的副反应和不想要的副产物可能性。这被视为在药物开发和工艺放大过程中减少时间和成本浪费的关键因素。
针对制药·生物客户提升预测能力
Redwood AI认为，此次技术改进可以提高制药、生物技术和整个化学行业的决策效率。如果在实验室进行实际合成之前，能够更精确地评估路径的可行性，那么有望实现研发成本的降低。
此次研究得到了加拿大产学研合作支持项目“Mitacs Accelerate”的部分资助。Mitacs是一家促进加拿大工业界与学术界共同研究的机构，其作用是为解决复杂技术课题而连接研究人员与企业。
Redwood AI首席执行官（CEO）Louis Dron表示：“这一初步结果表明，Reactosphere可以从一个简单的模式识别工具扩展为具备更深层预测智能的平台。通过结合现有AI系统与基于原理的模型，可以提高合成规划的质量，并帮助客户更好地理解路径可行性和潜在副产物。”
虽为初期成果，但对商业化仍持谨慎态度
Redwood AI是一家利用AI加速化学研发的企业，其业务范围正在拓展至新药探索与开发、国防及安全领域应用。结合化学、人工智能和制造能力，以实现药物合成与大规模生产转换过程的效率化，是其核心战略。
不过，此次发布仅限于“初步成果”。公司也补充说明，其中包含关于平台性能改进、精度提升以及扩大新用例的可能性等前瞻性陈述，实际结果可能会有所不同。尽管如此，化学合成AI试图从“模式识别”向“反应理解”阶段迈进这一点，仍可被视为相关市场上一次有意义的进展。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行摘要。正文主要内容可能被省略或与事实不符。