由美国圣母大学领导的多所大学合作项目将使用数据驱动的方法，使复杂有机分子的合成更加可预测和高效。
化学与生物化学系教授Olaf Wiest将领导计算机辅助合成中心(C-CAS)。韦斯特说:“这将大大加快药物发现和材料科学的进展，在这些领域，这类分子对基础研究至关重要。”
C-CAS的目标是通过将数据科学和机器学习原理应用于化学，改变复杂有机分子合成的计划和执行方式。C-CAS还培训新的“数据化学家”，他们能够通过使用定量的、数据驱动的化学方法来弥合数据科学和化学合成之间的鸿沟。
Wiest说:“C-CAS为数据科学家提供了与计算化学家和实验化学家合作的机会，以解决大多数合成中的瓶颈:以合理的方式选择和优化单个步骤。”
除了韦斯特和圣母大学计算机科学与工程弗兰克·弗雷曼教授尼特什·舒拉，其他合作者还包括加州大学伯克利分校的里士满·萨普昂、科罗拉多州立大学的罗伯特·帕顿、普林斯顿大学的阿比盖尔·多伊尔和犹他大学的马修·西格曼。
美国国家科学基金会(NSF)以200万美元的资金支持C-CAS。2017年，国家科学基金会宣布了它的10大想法，包括一个造福子孙后代的长期研究议程。在这10个项目中，C-CAS团队隶属于利用数据革命，并通过化学系化学创新中心项目得到支持。目前有9个中心存在，国家科学基金会每年创建2到3个。作为一期中心，C-CAS将运行三年，未来有可能扩展成为二期中心。
每个首席研究员都有互补的专业知识。Wiest使用计算化学和实验方法来阐明反应机理，并对过渡结构进行高通量的计算。舒拉擅长机器学习。Paton使用计算算法来理解催化反应机理并提高性能。西格曼发展了物理有机方法来理解和预测有机反应的选择性。Doyle使用超高通量实验技术和计算机器学习来预测反应的结果。Sarpong专注于全合成，将简单的化学构建块转换成复杂的、医学上有趣的天然产品。
除了各机构的研究人员，该小组还将与一些工业伙伴合作，如大型制药、化工和信息技术公司。这将使研究结果在C-CAS中的实际应用能够创新这些行业的加工工艺。
目前，化学数据以多种方式被记录和共享:在实验室书籍、专有数据库或博士论文中，或发表在论文、在线pdf文件或专利中。威斯特和他的团队正在努力构建新的计算工具，将所有数据集中在一个可访问的地方。要做到这一点，它们将在三个平行但相互关联的推力下工作。他们将统一来自各种来源的数据，利用这些统一的数据以一种解决优化化学反应问题的方式来表示化学，并将这些数据应用于合成规划和复杂分子的合成。
C-CAS将为新一代数据化学家和机器学习提供培训机会。学者们可以接受培训，在数据科学和现代合成化学的复杂挑战之间架起桥梁。它还将提供一些研究机会，特别是为残疾科学家。C-CAS将利用大众和社交媒体以及面对面的交流，让更广泛的受众参与讨论机器学习在现代社会中的作用和影响。
请访问ccas.nd.edu或关注Twitter上的C-CAS @NSF_CCAS获取更多信息。
最初由Tammi Freehling于9月3日在science.nd.edu上发表。
新闻旨在传播有益信息，英文原版地址：https://news.nd.edu/news/new-collaboration-led-by-notre-dame-leverages-data-revolution-to-solve-current-challenges-in-chemistry/