2026年1月30日, 上海 -- 人工智能（AI）正以前所未有的速度改變著各行各業(yè)，農(nóng)業(yè)領(lǐng)域也不例外。從互聯(lián)網(wǎng)的突破到第一代智能手機(jī)帶來的代際變革，技術(shù)正迅速改變我們的生活方式。如今，在人工智能創(chuàng)新突破的推動下，農(nóng)業(yè)科技研發(fā)也在經(jīng)歷一場巨變。
在先正達(dá)集團(tuán)，人工智能正在幫助化學(xué)和生物學(xué)家們創(chuàng)造新一代可持續(xù)植保產(chǎn)品，以更高效、更有效的方式保護(hù)作物免受病蟲害的侵害，更好應(yīng)對當(dāng)前農(nóng)業(yè)復(fù)雜多變的挑戰(zhàn)。
在實(shí)驗(yàn)室中，設(shè)計和優(yōu)化新型植保產(chǎn)品的過程通常是一個反復(fù)循環(huán)的過程——設(shè)計（design）、合成（synthesis）、測試（testing）和分析（analysis），簡稱DSTA。在DSTA循環(huán)的每個環(huán)節(jié)，先正達(dá)實(shí)驗(yàn)室都已經(jīng)在使用人工智能。
人工智能解鎖高效創(chuàng)新密碼
第一步 人工智能助力分子設(shè)計
設(shè)計是指分子藍(lán)圖的創(chuàng)建。然而，可能的分子數(shù)量不亞于海量的星辰，科學(xué)家們發(fā)現(xiàn)新分子面臨巨大挑戰(zhàn)。人工智能可以比人類更高效地探索這一空間，幫助研究人員快速篩選出有潛力的分子，大幅加速新分子的發(fā)現(xiàn)過程。
就像ChatGPT可以根據(jù)提示生成文本一樣，在生成式化學(xué)中，人工智能模型可以根據(jù)正確的提示，創(chuàng)建分子結(jié)構(gòu)。通過這種方式，先正達(dá)集團(tuán)的科學(xué)家們可以快速設(shè)計出新的分子，并通過數(shù)字工具評估甚至預(yù)測它們的性質(zhì)，更快、更高效地篩選出有前景的候選分子。
先正達(dá)科學(xué)家們通常采用“逆向設(shè)計”的方法，即從目標(biāo)參數(shù)出發(fā)，以此指導(dǎo)設(shè)計。這種方法的成功依賴于對分子性質(zhì)的準(zhǔn)確預(yù)測，而這正是人工智能的強(qiáng)項(xiàng)。
人工智能不僅加速了分子設(shè)計的過程，還提高了設(shè)計的整體質(zhì)量，幫助科學(xué)家們設(shè)計出更具針對性、更有效、更具成本效益且更可持續(xù)的新分子。然而，人工智能的輸出質(zhì)量很大程度上取決于輸入的提示的質(zhì)量，這一過程仍然充滿挑戰(zhàn)。
第二步 人工智能推動分子合成
設(shè)計的下一個階段是合成——將設(shè)計的分子在實(shí)驗(yàn)室中制造出來。提到化學(xué)，很多人會想到在燒瓶中混合各種物質(zhì)。而人工智能的作用是，在實(shí)際反應(yīng)發(fā)生之前，幫助科學(xué)家們預(yù)測將某些化學(xué)成分結(jié)合在一起會發(fā)生什么。
借助高度詳細(xì)和復(fù)雜的人工智能模型，研究人員可以提前預(yù)測關(guān)于產(chǎn)量、安全性的關(guān)鍵問題，甚至找到更可持續(xù)的合成方法。
合成階段也是出現(xiàn)新挑戰(zhàn)的階段，因?yàn)槿斯ぶ悄茉O(shè)計的分子可能在理論上很完美，但在實(shí)驗(yàn)室中卻難以合成，或者成本過高。目前先正達(dá)集團(tuán)約有30-40%分子因合成失敗而被放棄。
為了解決這個問題，先正達(dá)集團(tuán)的專家們與技術(shù)領(lǐng)先的IBM和麻省理工學(xué)院合作，使用自然語言處理技術(shù)進(jìn)行“逆合成預(yù)測”。也就是說，通過分析全球數(shù)據(jù)，預(yù)測分子在實(shí)驗(yàn)室中可能的所有合成路徑。人工智能模型會根據(jù)這些預(yù)測來指導(dǎo)科學(xué)家制定合成計劃。
挑戰(zhàn)在于，人工智能模型的好壞取決于其訓(xùn)練數(shù)據(jù)的質(zhì)量，而公共數(shù)據(jù)通常只記錄成功的反應(yīng)，而忽略失敗的反應(yīng)，因此公共數(shù)據(jù)對合成的幫助有限。為了創(chuàng)建和訓(xùn)練一個高質(zhì)量的模型，數(shù)據(jù)需要滿足FAIR原則——即可查找、可訪問、可互操作和可重復(fù)使用。高質(zhì)量的數(shù)據(jù)會生成更精準(zhǔn)的模型，而這些模型反過來又會推動更高效的合成程序。
第三步 人工智能革新分子測試
接下來是測試階段，這一階段需要經(jīng)過周密嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)來驗(yàn)證分子的有效性，人工智能在其中發(fā)揮著至關(guān)重要的作用。
以植物生物學(xué)為例，如果想知道一種新分子能否有效控制植物病害，就必須對其進(jìn)行試驗(yàn)。傳統(tǒng)測試方式需要研究人員用肉眼觀察溫室或試驗(yàn)田里的作物，以判斷其成功與否。但這樣得出的數(shù)據(jù)是主觀的，人工智能成像技術(shù)不僅能提供更豐富的數(shù)據(jù)，還能通過自動化分析減少人為誤差。
先正達(dá)集團(tuán)在圖像識別模型上投入了大量工作，這些模型能夠自動分析葉片或植物的狀態(tài)，提供更精確的結(jié)果。不僅如此，這項(xiàng)技術(shù)還被逐漸應(yīng)用于田間。通過無人機(jī)收集數(shù)據(jù)，科學(xué)家可以更全面地了解分子在真實(shí)環(huán)境中的表現(xiàn)。
人工智能還能通過“主動學(xué)習(xí)”優(yōu)化測試流程。以前，化學(xué)家需要手動篩選最有潛力的化合物進(jìn)行測試。而如今人工智能可以主動識別哪些化合物最值得測試，從而生成更多高質(zhì)量的測試數(shù)據(jù)，進(jìn)一步改進(jìn)模型。
圖像識別模型能夠自動評估測試結(jié)果, 圖為一種除草劑檢測的圖像分析
第四步 人工智能優(yōu)化分子分析
測試會產(chǎn)生大量數(shù)據(jù)，也意味著大量的分析。對測試數(shù)據(jù)的良好分析，可以為下一步生成式人工智能（GenAI）設(shè)計提供最佳提示。
人工智能算法可以處理和分析大型數(shù)據(jù)集，識別出傳統(tǒng)統(tǒng)計方法或人類難以發(fā)現(xiàn)的復(fù)雜模式、趨勢和關(guān)聯(lián)。通過學(xué)習(xí)這些模式，人工智能還可以準(zhǔn)確預(yù)測尚未制造的分子特性，例如它們的有效性或安全性，不僅可以進(jìn)一步減少實(shí)驗(yàn)成本，還能加速發(fā)現(xiàn)過程。
人工智能有可能對整個DSTA周期產(chǎn)生重大影響，分析得越好，需要經(jīng)歷的設(shè)計、合成、測試、分析周期就越短。同時，人工智能可以從海量數(shù)據(jù)中提取出有價值的洞察，推動高質(zhì)量創(chuàng)新，同時讓整個過程更快、更可持續(xù)。
總體而言，人工智能在先正達(dá)實(shí)驗(yàn)室中的應(yīng)用已經(jīng)起步，未來還需要經(jīng)歷很長的不斷改進(jìn)過程。但作為科學(xué)家的日益重要的輔助工具，已初步展現(xiàn)出巨大的發(fā)展和應(yīng)用潛力，未來可期。
轉(zhuǎn)自：中國經(jīng)濟(jì)新聞網(wǎng)
【版權(quán)及免責(zé)聲明】凡本網(wǎng)所屬版權(quán)作品，轉(zhuǎn)載時須獲得授權(quán)并注明來源“中國產(chǎn)業(yè)經(jīng)濟(jì)信息網(wǎng)”，違者本網(wǎng)將保留追究其相關(guān)法律責(zé)任的權(quán)力。凡轉(zhuǎn)載文章及企業(yè)宣傳資訊，僅代表作者個人觀點(diǎn)，不代表本網(wǎng)觀點(diǎn)和立場。版權(quán)事宜請聯(lián)系：010-65363056。
延伸閱讀
科技賦能玫瑰產(chǎn)業(yè)升級 校企合作共筑鄉(xiāng)村振興新篇章
