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认知学学派(以Simon,Minskey和Newell等为代代表)基本思思想从人的的思维维活动动出发发，利利用计计算机机进行行宏观观功能能模拟拟。基基于物物理符符号系系统假假设，，将任任何信信息加加工系系统看看成是是一个个具体体的物物理系系统。。基本观观点物理系系统表表现智智能行行为的的充要要条件件是该该系统统是一一个物物理符符号系系统。。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神经网网络进化计计算（（主要要是遗遗传算算法））人工神神经网网络ArtificialNeuralNetwork生物神神经元元裸露的的轴突突末梢梢与其其它神神经细细胞或或效应应器细细胞构构成突突触联联系。。生物神神经元元网络络感觉神神经元元（传传入神神经元元），，与感受受器相相连中间神神经元元运动神神经元元（传传出神神经元元），，与效应应起相相连六个基基本特特征1）神经元元及其其联接接；2）神经元元之间间的联联接强强度决决定信信号传传递的的强弱弱；3）神经经元之之间的的联接接强度度是可可以随随训练练改变变的；；4）信号号可以以是起起刺激激作用用的，，也可可以是是起抑抑制作作用的的；5）一个个神经经元接接受的的信号号的累累积效效果决决定该该神经经元的的状态态；6)每个神神经元元可以以有一一个“阈值”。人工神神经网网络（ArtificialNeuralNetworks，简记记作ANN），是对人人类大大脑系系统的的一阶阶特性性的一一种描描述。。简单单地讲讲，它它是一一个数学模模型，可以以用电子线线路来实现现，也也可以以用计算机机程序序来模拟拟，是是人工工智能能研究究的一一种方方法。。作为5种能力力综合合表现现形式式的3种能力力发现、、发明明、创创造、、创新新的能能力实时、、迅速速、合合理地地应付付复杂杂环境境的能能力预测、、洞察察事物物发展展、变变化的的能力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一一个物物理符符号系系统.概念：：物理符符号系系统需需要有有一组组称为为符号号的实实体组组成，，它们们都是是物理理模型型，可可以在在另一一类称称为符符号结结构的的实体体中作作为成成分出出现，，以构构成更更高级级别的的系统统.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）能力力人工神经网网络可以根根据所在的的环境去改改变它的行行为自相联的网网络异相联的网网络：它在接受样样本集合A时，可以抽抽取集合A中输入数据据与输出数数据之间的的映射关系系。——“抽象”功能。不同的人工工神经网络络模型，有有不同的学学习/训练算法基本特征的的自动提取取由于其运算算的不精确性，表现成“去噪音、容容残缺”的能力，利利用这种不不精确性，，比较自然然地实现模模式的自动动分类。普化（Generalization）能力与抽抽象能力信息的分布布存放信息的分布布存提供容容错功能由于信息被被分布存放放在几乎整整个网络中中，所以，，当其中的的某一个点点或者某几几个点被破破坏时，信信息仍然可可以被存取取。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*netif|net|<θ-γifnet≤-θγ>0为一常数数，被称称为饱和和值，为为该神经经元的最最大输出出。2、非线性性斜面函函数（RampFunction）γ-γθ

-θ

net

o

阈值函数数（ThresholdFunction）阶跃函函数βifnet>θf（net）=-γifnet≤θθβ、γ、θ均为非负负实数，，θ为阈值二值形式式：1ifnet>θf（net）=0ifnet≤θθ双极形式式：1ifnet>θf（net）=-1ifnet≤θθ阈值函数数（ThresholdFunction）阶跃函函数β-γθonet04、S形函数压缩函数数（SquashingFunction）和逻辑辑斯特函函数（LogisticFunction）。f（net）=a+b/(1+exp(-d*net))a，b，d为常数。。它的饱饱和值为为a和a+b。最简单形形式为：：f（net）=1/(1+exp(-d*net))函数的饱和值值为0和1。S形函数有较好好的增益控制制4、S形函数a+bo(0,c)netac=a+b/2人工神经元网网络T每个神经元均均为多输入单单输出的信息息处理单元输入分兴奋性性和抑制型两两种神经元有阈值值特性应用构造了具有3层节点的人工工神经网络模模型,将太湖2001年5～12月全湖共26个采样点的实实测值作为学学习样本,一共有26×8=208组数据。从这这些数据中分分别随机抽取取1/4的数据各52组作为检验样样本和测试样样本,其余的104组(占50%)数据作为训练练样本。每个个样本均含有有12个输入因子,分别是风速、、风向、水温温、ｐＨ、ＤＤＯ、高锰酸酸钾指数、浊浊度、ＴＮ、、ＴＰ、叶绿绿素ａ、透明明度、ＢＯＤＤ5。以浮游植物物作为输出因因子。用2002年8月的各点的浮浮游植物数据据进行预测比比较，人工神经网络络模型前向网络（I/O映射）感知器、BP、RBF反馈网络（演化式好善善性非线性动动力系统）Hopfield网络、回归BP、Boltzman机等自组织网络自适应共振网网络、自组织织特征映射网网络多层前向BP网络的优点①网络实质上实实现了一个从从输入到输出出的映射功能能，而数学理理论已证明它它具有实现任任何复杂非线线性映射的功功能。这使得得它特别适合合于求解内部部机制复杂的的问题；②②网络能通过过学习带正确确答案的实例例集自动提取取“合理的”求解规则，即即具有自学习习能力；③③网络具有一一定的推广、、概括能力。。多层前向BP网络存在的问问题①BP算法的学习速速度很慢，其其原因主要有有：a由于BP算法本质上为为梯度下降法法，而它所要要优化的目标标函数又非常常复杂，因此此，必然会出出现“锯齿形现象”，这使得BP算法低效；b存在麻痹现象象，由于优化化的目标函数数很复杂，它它必然会在神神经元输出接接近0或1的情况下，出出现一些平坦坦区，在这些些区域内，权权值误差改变变很小，使训训练过程几乎乎停顿；c为了使网络执执行BP算法，不能用用传统的一维维搜索法求每每次迭代的步步长，而必须须把步长的更更新规则预先先赋予网络，，这种方法将将引起算法低低效。

②网网络训练失败败的可能性较较大，其原因因有：a从数学角度看看，BP算法为一种局局部搜索的优优化方法，但但它要解决的的问题为求解解复杂非线性性函数的全局局极值，因此此，算法很有有可能陷入局局部极值，使使训练失败；；b网络的逼近、、推广能力同同学习样本的的典型性密切切相关，而从从问题中选取取典型样本实实例组成训练练集是一个很很困难的问题题。③难以解决应用用问题的实例例规模和网络络规模间的矛矛盾。这涉及及到网络容量量的可能性与与可行性的关关系问题，即即学习复杂性性问题；④④网络结构的的选择尚无一一种统一而完完整的理论指指导，一般只只能由经验选选定。为此，，有人称神经经网络的结构构选择为一种种艺术。而网网络的结构直直接影响网络络的逼近能力力及推广性质质。因此，应应用中如何选选择合适的网网络结构是一一个重要的问问题；

⑤新新加入的样本本要影响已学学习成功的网网络，而且刻刻画每个输入入样本的特征征的数目也必必须相同；⑥⑥网络的预预测能力（也也称泛化能力力、推广能力力）与训练能能力（也称逼逼近能力、学学习能力）的的矛盾。一般般情况下，训训练能力差时时，预测能力力也差，并且且一定程度上上，随训练能能力地提高，，预测能力也也提高。但这这种趋势有一一个极限，当当达到此极限限时，随训练练能力的提高高，预测能力力反而下降，，即出现所谓谓“过拟合”现象。此时，，网络学习了了过多的样本本细节，而不不能反映样本本内含的规律律。人工神经网络络的学习方式式有导师无导师自监督分析化学信息息获取手段在信息社会中中，InterNet是一颗最耀眼眼的明星。InterNet被称为万维网网、国际互联联网或因特网网，是由美国国ARPNet发展起来的，，采用TCP/IP协议通讯，是是世界上最大大的开放性全全球信息网络络。1搜索引擎擎搜索引擎网站站的主要资源源是它的索引引数据库，而而非它的网页页信息，因此此它的主要功功能就像图书书馆的目录卡卡片一样，是是为人们搜索索Internet网上信息并提提供获得所需需信息的途径径。搜索引擎擎的索引数据据库，以万维维网资源为主主，有的还包包括电子邮件件地址、新闻闻论坛文章，，FTP，gopher等网上资源。。随着网络技技术的飞速发发展，Internet数据信息库积积累的数据和和主题越越多多。怎样快速速、高效、经经济地查询某某个主题的所所有信息，就就成了一个十十分热门的课课题。化学化工宏站站点与搜索引擎一一样，宏站点点也可以起到到查询信息的的作用，对于于特定学科或或专题信息的的查找，由于于大都是一些些著名大学的的相关院系建建立，主题明明确，组织得得当，可信度度高，在一定定的程度上，，它优于一般般的大型搜索索引擎。对于于化学工作者者来说，收集集、知道一些些与本专业有有关的宏站点点，是Internet上化学信息查查询的一条捷捷径。因为宏宏站点大都用用主题分类，，仅仅简单地地用浏览的方方法就可得到到所需的信息息。每一个这这样的宏站点点都已链接到到其它的化学学宏站点上，，所有的化学学宏站点都极极为相似，因因此一旦找到到一个这类优优秀站点，就就基本上没有有必要再去找找其它宏站点点。中国科学院化化工冶金研究究所李晓霞等等建立的CHIN(ChemicalInformationNetwork)它是中国科学学院化工冶金金研究所与联联合国教科文文组织UNESCO的合作项目，，是关于Internet重要化学信息息资源的导航航系统。ChIN有选择地对Internet重要的化学信信息资源进行行链接和介绍绍，力求使其其反映Internet化学信息资源源的概貌和最最新发展动态态。ChINWeb网页由重要化化学信息资源源链接组成的的目录以及被被链接资源的的简介页组成成。/化学类有用的的宏站点虚拟图书馆化学虚拟图书书馆主要站点点8.2.2电电子论坛电子论坛(LISTSERVE)是INTERNET上极受欢迎的的一种信息交交流形式,除LISTSERVE外,我们还可见到到它的其它名名称,如邮件列表(Mailinglist)、讨论组（DiscussionGroup）或电子公告牌牌（Springboard）等等。电子论坛因其其通过电子邮邮件来收发信信息，也就是是说用户可使使用任何一种种电子邮件系系统来阅读新新闻和其它信信息，使用起起来十分方便便。虽然它在在对信息的处处理和控制上上还有待进一一步加强，但但仍不失为目目前最受化学学工作者青睐睐的网络信息息交流工具。。8.2.3主题指南最有名的主题题指南8.2.4化化学专利及及文献专利中蕴含大大量的化学信信息，而化学学信息在很大大程度上由专专利组成。如如化学文摘中中，16%以上都和专利利相关。每年年在不同国家家都有成百上上千的各类新新专利公布，，而这些专利利涉及范围广广、内容包罗罗万象。所谓专利就是是国家授予发发明人的一种种特权，在实实行专利制度度的国家，凡凡是本国或外外国的个人和和企业有了创创造发明，都都可以根据专专利法的规定定，向本国或或外国专利局局提出申请，，经审查合格格，批准授予予在一定年限限内享有创造造发明成果的的权利，并在在法律上受到到保护。这样样一种受到法法律保护的技技术专有权利利叫做专利。。目前，世界上上约有150多个国家和和地区实施专专利制度，有有将近100个国家公布布专利申请说说明书和正式式批准的专利利说明书。每每年公布约100多万件件专利，其中中很多都是同同一项发明创创造向不同国国家重复申请请的专利，因因此实际发明数量量约40万件件。专利文献是当当今世界科学学技术发展的的一个重要标标志，每一项项新的发明创创造或技术改改进，通常都都首先反映在在专利文献上上，由于每件件专利都凝聚聚了专利发明明者最具有创创造性的成果果，因此对于于我们研究国国外科技水平平的发展趋势势，制定科研研计划、评价价采用新的科科技成就的经经济利益等方方面，都明显显地反映出使使用专利情报报的重要性。。长期以来，，世界各国企企业之间剧烈烈竞争的一个个显著特点是是情报信息的的竞争。情报报机构工作的的一个重要方方面就是研究究专利文献。。一般分为三类类：发明专利、实实用新型专利利、外观设计计专利（如中中国专利）。。美国专利分类类：实用新型专利利（包括了发发明专利）、、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：用英文关键词词或专利号检检索1993年1月以后日本专专利英文题录录和摘要PAJ关键词检索专利号检检索Publicationnumber同济大学学图书馆馆信息咨咨询部欧洲专利数数据库主页页：欧洲专利数数据库收录录时间跨度度大，涉及及的国家多多，收录了了1920年以来(各国的起始始年代有所所不同)世界上50多个国家和和地区出版版的共计1.5亿多万件文文献的数据据。同济大学图图书馆信息息咨询部特点：改版后的欧欧洲专利数数据库，更更易于非专专业检索人人员的使用用。共有四种检检索方法：：快速检索索、高级检检索、专利利号检索、、专利分类类号检索，，每种检索索界面都提提供了一个个快速帮助助窗口