微軟，我們的愿景是通過最新的 AI 技術賦能科學家，釋放他們的創造潛力，應對一些最緊迫的挑戰。為了實現這一愿景，我們需要將生成式 AI 技術的全部力量與量子-經典混合計算結合起來，以增強科學方法的每一個階段。無論是拓展知識研究、創造更好的假設，還是加速實驗和分析，都需要一個專為科學設計的云平臺。這就是為什么我們為化學和材料科學構建了 Azure Quantum Elements。
近日，我們宣布推出生成式化學和加速 DFT（加速密度泛函理論），這將擴大研究人員利用這一平臺的方式。這些突破性的功能將使科學家有機會將原本未來250年的化學進程壓縮至25年完成。
通過生成式化學，我們希望拓寬科學探索的視野。研究人員可以使用基于數億化合物訓練的最新 AI 模型，生成并探索適用于特定行業應用的新分子，然后評估工作流程中建議的步驟，以更高效地在實驗室合成最有前途的候選分子——這一過程只需幾天而不是幾年。
通過加速 DFT，研究人員可以通過模擬分子的量子力學性質，以前所未有的速度加速和擴展他們的化學發現流程——相比其他 DFT 代碼，速度提高了一個數量級。
這使我們更接近科學發現的新范式，先進的 AI 技術和數字工具比以往任何時候都更易于科學家、學生和各行業的實驗室使用。以下是我們關于研究人員如何利用這些突破性功能設計新分子，并推動從消費品和醫藥到制造和能源等整個行業變革的愿景，從而應對一些最緊迫的社會挑戰。
致力于實現今日愿景
我們正在努力實現這一愿景。作為Azure Quantum Elements 有限預覽的一部分，科學家和開發人員今天就有機會探索加速 DFT，并有望在未來幾周內訪問生成式化學。
我們已經在與全球消費品領導者聯合利華（Unilever）的合作中將這一愿景付諸實踐。聯合利華每天為超過34億人提供服務，他們正在利用微軟的超級計算和AI服務支持其數字研發轉型和產品創新。
將 AI 技術融入科學方法的每個階段
從全球性的目標如逆轉氣候變化和開創可再生能源，到個人層面的目標如更可持續地生活、使用更健康和安全的產品，我們都希望為創造一個更美好的世界盡一份力。時間對于實現這些目標至關重要，全球有超過800萬名科學家在努力開創創新解決方案，推動進步。微軟的目標是通過最先進的數字工具為他們賦能，充分利用每一位研究人員和實驗室的集體智慧。
正如生成式 AI 技術通過協作工具如 Copilot 智能副駕駛® 釋放了新的創造力浪潮并提高了生產力一樣，我們現在將 AI 技術和自然語言處理能力帶入科學領域。我們的目標是將 AI 推理整合到科學方法的每個階段，從最初的研究和假設生成，到實驗和分析：這需要下一代 AI 模型的強大能力，從假設到結果，加速科學過程。它從知識研究和假設生成開始，通過生成數百萬潛在的分子候選解決方案來連接點，然后通過數字實驗縮小候選范圍并分析結果——這一切只需幾天。我們在與太平洋西北國家實驗室（PNNL）的合作中展示了這種方法如何在現實世界中取得成果，我們篩選了超過3200萬個候選物，發現并合成了一種新材料，具有更好電池性能的潛力——這是這一新科學發現時代可能性的一個有形例子。
當由自然語言工具驅動時，這一新范式將有助于在每個階段創建一個由 AI 作為科學助手的自主推理循環。它將通過將這些能力普及，重新定義我們如何接近創新，推動突破性發現。
Azure Quantum Elements 的新功能
生成式化學將為負責發現和設計新分子的科學家們帶來新一波的創造力。這將推動許多行業的突破性增長，無論是幫助石油和天然氣公司發現更強的燃料添加劑以延長發動機壽命，還是幫助粘合劑公司創造一種新化學物質以增強粘附力并去除不需要的殘留物。
我們可以將這種發現過程比作在一個大而擁擠且黑暗的倉庫中用一個小手電筒尋找一個小盒子。我們一次只能將光集中在一個小區域，而倉庫的其余部分則完全黑暗且未知。生成式 AI 技術為我們提供了一個更聰明的光源，能夠指向新的方向，讓我們看清以前可能未考慮或無法看到的地方。
研究人員可以向生成式化學詢問具有所需特性的分子，例如能夠快速降解或更容易回收的分子。他們還可以提供關于目標應用的信息，讓系統幫助確定相關的分子特性。經過幾個步驟后，他們會收到一組符合這些參數的候選分子，供進一步研究。
然而，僅僅生成候選分子并不足以通過 AI 技術改造發現過程?；瘜W中的計算工具的基本標準是，它們能夠幫助科學家發現新穎、可合成且在現實世界中有用的分子。這就是為什么我對我們生成式化學方法的實現感到興奮，它不僅能建議以前未見過的分子，還能提供針對特定應用調整的有用特性，并且這些分子的合成在合理的步驟內是可行的。
因此，生成式化學將為研究人員提供在實驗室中合成這些分子候選物時可以考慮的潛在步驟。這一關鍵組件的支持來源于我們 AutoRXN 軟件的能力，通過逆向探索化學反應，幫助評估合成路徑以創建目標分子。
在科學家指定了分子的所需特性之后，他們會收到數千個分子候選物。這些候選物可以通過AI推理和后續的高性能計算（HPC）模擬進行進一步精煉，最終篩選出最有希望在實驗室合成并進行進一步實驗探索的少數幾個候選物。