根據(jù)我們項(xiàng)目經(jīng)驗(yàn)當(dāng)前化學(xué)研發(fā)過程中，存在以下幾個(gè)行業(yè)痛點(diǎn)。

第一點(diǎn)是實(shí)驗(yàn)結(jié)果難復(fù)現(xiàn)，很多情況下實(shí)驗(yàn)結(jié)果會(huì)不穩(wěn)定。同一個(gè)實(shí)驗(yàn)，不同的人做，每個(gè)人的結(jié)果會(huì)有差異；而收益率最高的那個(gè)實(shí)驗(yàn)結(jié)果，讓同一個(gè)人復(fù)現(xiàn)，可能復(fù)現(xiàn)的結(jié)果還是有差異。

第二點(diǎn)是實(shí)驗(yàn)過程管理困難，大規(guī)模研發(fā)機(jī)構(gòu)中研發(fā)人員會(huì)有幾百甚至成千上萬人，每個(gè)人掌握著各人的研發(fā)實(shí)驗(yàn)記錄和實(shí)驗(yàn)數(shù)據(jù)，而作為研發(fā)的經(jīng)理，對(duì)資源的管理和整合比較困難。

第三點(diǎn)，研發(fā)所產(chǎn)生的數(shù)據(jù)和經(jīng)驗(yàn)，整合困難。不容易描述，會(huì)隨著人員的流失而流失。

第四點(diǎn)，研發(fā)所考慮的因素復(fù)雜，設(shè)計(jì)成本、供應(yīng)鏈體系、生產(chǎn)安全等，同時(shí)各類文獻(xiàn)庫(kù)種類繁多，導(dǎo)致研發(fā)周期很長(zhǎng)，并且檢索時(shí)難免會(huì)有遺漏。

國(guó)工智能發(fā)布了新一代在化工研發(fā)的人工智能解決方案，來解決上述問題。

在國(guó)工智能研發(fā)平臺(tái)中會(huì)規(guī)范整個(gè)研發(fā)過程。首先，委托單下達(dá)到研發(fā)機(jī)構(gòu)或者企業(yè)的研發(fā)中心，在研發(fā)委托下達(dá)后，系統(tǒng)會(huì)分配一個(gè)帶有二維碼的的委托編號(hào)，這個(gè)二維碼中包含了研發(fā)項(xiàng)目所要用到的試劑、容器以及整個(gè)研發(fā)過程中所有的數(shù)據(jù)，整個(gè)研發(fā)過程通過這個(gè)二維碼就可以進(jìn)行追溯。。第二步，近似性搜索，系統(tǒng)會(huì)自動(dòng)檢索全球化合物庫(kù)和企業(yè)自身研發(fā)數(shù)據(jù)庫(kù)中的一些和所需化合物相類似的相關(guān)研發(fā)項(xiàng)目。簡(jiǎn)單來說，就是實(shí)驗(yàn)所用到的原材料和以前研發(fā)項(xiàng)目用到的原材料比較像，或者是分子結(jié)構(gòu)特征相符，從而可以進(jìn)行復(fù)用推薦。系統(tǒng)會(huì)將研發(fā)過程數(shù)據(jù)提取出來，進(jìn)行推送，以此來減少研發(fā)時(shí)的重復(fù)成本投入。

但如果近似性搜索庫(kù)中沒有近似項(xiàng)，那么系統(tǒng)會(huì)調(diào)用逆向合成機(jī)器人，系統(tǒng)會(huì)逆向推導(dǎo)所需化合物的合成過程以及合成途徑中所引用的相關(guān)文獻(xiàn)，并會(huì)自動(dòng)生成多條合成路徑，來擴(kuò)展研發(fā)人員的研發(fā)思路。通過相應(yīng)的路線和可參考的資料，企業(yè)可以進(jìn)行人為干預(yù)的合成路線實(shí)驗(yàn)設(shè)計(jì)和修正，同時(shí)人工智能算法會(huì)自動(dòng)學(xué)習(xí)企業(yè)常用的化合物和合成習(xí)慣，從而可以將整個(gè)研發(fā)團(tuán)隊(duì)的經(jīng)驗(yàn)進(jìn)行數(shù)字化積累。

研發(fā)管理系統(tǒng)會(huì)分發(fā)研發(fā)任務(wù)到電子實(shí)驗(yàn)記錄本，以及會(huì)自動(dòng)調(diào)用相關(guān)的實(shí)驗(yàn)輔助設(shè)計(jì)DOE的部分算法，如回歸算法、隨機(jī)森林，來完成整個(gè)實(shí)驗(yàn)路線的輔助設(shè)計(jì)。系統(tǒng)會(huì)自動(dòng)采集檢驗(yàn)分析的相關(guān)的儀器如色譜、質(zhì)譜，同時(shí)獲取實(shí)驗(yàn)室的反應(yīng)條件以及溫濕度的環(huán)境和相關(guān)試劑的批次信息，以用于后續(xù)實(shí)驗(yàn)結(jié)果復(fù)現(xiàn)。最后經(jīng)過結(jié)果審核，科研結(jié)果歸檔。經(jīng)過歸檔之后，整個(gè)的數(shù)據(jù)流程會(huì)記錄到近似性搜索數(shù)據(jù)庫(kù)中，備于后續(xù)檢索。

研發(fā)項(xiàng)目的管理，涵蓋了科研項(xiàng)目管理的整個(gè)過程，里面包含了例如立項(xiàng)的論證，建議和審批，進(jìn)度計(jì)劃和風(fēng)險(xiǎn)計(jì)劃，以及任務(wù)的分發(fā)，包括分配給每個(gè)研究員各自的實(shí)驗(yàn)路線，實(shí)驗(yàn)設(shè)計(jì)，實(shí)驗(yàn)過程中所使用的試劑，同時(shí)也可以跟蹤實(shí)驗(yàn)的進(jìn)度。作為研發(fā)項(xiàng)目的經(jīng)理，可以直接的了解項(xiàng)目整體的進(jìn)度。

近似性搜索，系統(tǒng)自帶公開化合物信息庫(kù)里面幾億個(gè)已知分子結(jié)構(gòu)，并融合企業(yè)自身的一些特殊化合物，將化合物信息歸集到企業(yè)本地的數(shù)據(jù)庫(kù)，從而實(shí)現(xiàn)數(shù)據(jù)的離線檢索和保存，能有效防止研發(fā)數(shù)據(jù)泄露。

在新一代的人工智能框架下，把目標(biāo)化合物分子結(jié)構(gòu)輸入系統(tǒng)，人工智能依賴于全球上百萬份的文獻(xiàn)數(shù)據(jù)，能自動(dòng)完成未知化合物合成路線的推理和推導(dǎo)工作。人工智能平臺(tái)帶有自學(xué)習(xí)功能，初次給出的合成路線不一定完全是符合企業(yè)的研發(fā)特征，但是經(jīng)過持續(xù)的自我訓(xùn)練，系統(tǒng)會(huì)學(xué)習(xí)并模擬企業(yè)的研發(fā)習(xí)慣，用料習(xí)慣，從而系統(tǒng)生成的合成路線將會(huì)無限接近企業(yè)特點(diǎn)。

人工智能生成逆向合成路線，所用原料會(huì)優(yōu)先從化合物商品庫(kù)中進(jìn)行檢索，優(yōu)先采用標(biāo)準(zhǔn)常用化合物進(jìn)行和合成。

化合物正向合成推導(dǎo)，在進(jìn)行合成路線設(shè)計(jì)時(shí)可以通過原料化合物來推導(dǎo)反應(yīng)結(jié)果，從而減少合成風(fēng)險(xiǎn)。

自動(dòng)提供提供相關(guān)參考文獻(xiàn)

整個(gè)研發(fā)輔助系統(tǒng)部署在企業(yè)本地，沒有外網(wǎng)傳輸，杜絕研發(fā)數(shù)據(jù)泄露。完成本地化部署以后，系統(tǒng)就開始不斷地搜集和學(xué)習(xí)所有研發(fā)人員的研發(fā)行為和研發(fā)習(xí)慣，自我學(xué)習(xí)自我更新。同時(shí)配合國(guó)工智能生產(chǎn)制造一體化解決方案，會(huì)把銷售、科研、生產(chǎn)、質(zhì)檢平臺(tái)一體化，實(shí)現(xiàn)全產(chǎn)業(yè)鏈條的業(yè)務(wù)優(yōu)化。

根據(jù)生產(chǎn)和質(zhì)量數(shù)據(jù)，人工智能系統(tǒng)會(huì)直接計(jì)算最優(yōu)的收益率，最優(yōu)原材料配比，最優(yōu)的反應(yīng)時(shí)間、溫度并給出最優(yōu)工藝參數(shù)建議。同時(shí)系統(tǒng)可以反向控制相關(guān)反應(yīng)設(shè)備，形成優(yōu)化閉環(huán)。

在國(guó)工智能制造平臺(tái)（MOM）包含了研發(fā)管理（DEV）、實(shí)驗(yàn)室與質(zhì)量管理系統(tǒng)（LIMS）這些系統(tǒng)均可以與實(shí)驗(yàn)室設(shè)備進(jìn)行聯(lián)動(dòng)和互通，系統(tǒng)會(huì)自動(dòng)抓取色譜，天平，PH計(jì)等實(shí)驗(yàn)設(shè)備數(shù)據(jù)，來提高數(shù)據(jù)分析質(zhì)量和實(shí)驗(yàn)復(fù)現(xiàn)效率。

數(shù)據(jù)大腦擁有大量的算法封裝，除了人工智能算法也包括了SPC,CPK,DOE,六西格瑪?shù)确治龉ぞ摺M足企業(yè)各種計(jì)算需求。

人工智能在輔助化學(xué)的研發(fā)過程中，存在著巨大的價(jià)值，

第一，系統(tǒng)能協(xié)同完成整個(gè)實(shí)驗(yàn)的執(zhí)行過程，所有的研發(fā)人員的研發(fā)過程都會(huì)在系統(tǒng)中進(jìn)行顯示，項(xiàng)目進(jìn)度能有效的管理。

第二，系統(tǒng)會(huì)控制整個(gè)研發(fā)過程的成本與周期，實(shí)時(shí)記錄和反饋人天和物料等成本消耗情況，離計(jì)劃目標(biāo)完成的情況等，做到計(jì)劃可控。

第三，系統(tǒng)會(huì)將研發(fā)經(jīng)驗(yàn)進(jìn)行儲(chǔ)備，歸結(jié)到一個(gè)AI模型中去，AI會(huì)自主對(duì)研發(fā)經(jīng)驗(yàn)進(jìn)行整理和學(xué)習(xí)，從而減少了科研人員離職的風(fēng)險(xiǎn)。

第四，系統(tǒng)會(huì)充分挖掘海量研發(fā)數(shù)據(jù)中存在的價(jià)值。在研發(fā)過程中，企業(yè)會(huì)積累大量的研發(fā)數(shù)據(jù)、研發(fā)經(jīng)驗(yàn)，這些數(shù)據(jù)可以通過一些算法，將配方和工藝提取出來，通過AI系統(tǒng)進(jìn)行再次優(yōu)化。充分發(fā)揮了人工智能和機(jī)器學(xué)習(xí)的潛能。

第五，保證研發(fā)數(shù)據(jù)可追溯性，獲得準(zhǔn)確可靠的分析成果。從研發(fā)項(xiàng)目在立項(xiàng)的開始就會(huì)形成一個(gè)的項(xiàng)目編碼，通過這個(gè)的編碼企業(yè)可以找到整個(gè)研發(fā)過程當(dāng)中所有的數(shù)據(jù)。