第1章 計(jì)算機(jī)科學(xué)家 001
1.1 什么是計(jì)算科學(xué)？ 001
1.2 什么是人工智能？ 003
1.3 什么是機(jī)器學(xué)習(xí)？ 006
參考文獻(xiàn) 010

第2章 機(jī)器如何學(xué)習(xí)？ 011
2.1 提出問題 011
2.2 收集數(shù)據(jù) 012
2.3 設(shè)置算法 014
2.4 訓(xùn)練流程 016
2.5 克服缺陷 018
2.6 部署算法 021
參考文獻(xiàn) 023

第3章 藥物化學(xué)信息學(xué)：藥物發(fā)現(xiàn)中的機(jī)器學(xué)習(xí)導(dǎo)論 024
3.1 引言 024
3.1.1 人工智能與機(jī)器學(xué)習(xí)024
3.1.2 有監(jiān)督與無監(jiān)督學(xué)習(xí)025
3.2 凡事預(yù)則立 026
3.2.1 數(shù)據(jù)集收集和管理026
3.2.2 模型構(gòu)建026
3.2.3 主成分分析026
3.2.4 三維空間中的機(jī)器學(xué)習(xí)，“對齊”就是一切027
3.2.5 QSAR 建模的活性范圍和分布027
3.2.6 異常值028
3.3 深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò) 029
3.4 數(shù)學(xué)基礎(chǔ) 029
3.4.1 “可觀測值”和“特征”029
3.4.2 根據(jù)描述符比較分子031
3.4.3 模型質(zhì)量和統(tǒng)計(jì)分析033
3.4.4 過度訓(xùn)練和良好描述符的特征034
3.5 機(jī)器學(xué)習(xí)方法 034
3.5.1 k - 最近鄰035
3.5.2 線性回歸036
3.5.3 決策樹和隨機(jī)森林039
3.5.4 支持向量機(jī)044
3.6 總結(jié) 048
參考文獻(xiàn) 048

第4章 非絕熱分子動(dòng)力學(xué)中的機(jī)器學(xué)習(xí) 052
4.1 引言 052
4.2 方法 054
4.2.1 機(jī)器學(xué)習(xí)（ML） 模型054
4.2.2 訓(xùn)練集生成058
4.2.3 波函數(shù)相位061
4.2.4 相位校正算法062
4.2.5 表面跳躍動(dòng)力學(xué)063
4.3 示例：亞甲基銨陽離子 064
4.3.1 ML 表面跳躍動(dòng)力學(xué)064
4.3.2 能量守恒065
4.3.3 ML 模型的其他工具066
4.4 結(jié)論與展望 070
參考文獻(xiàn) 071

第5章 機(jī)器學(xué)習(xí)在科學(xué)中的作用——機(jī)械同感？ 076
5.1 引言 076
5.1.1 歷史點(diǎn)滴076
5.1.2 挑戰(zhàn)077
5.2 問題和解決 078
5.2.1 需要多少樣本來訓(xùn)練AI ？078
5.2.2 正在合并數(shù)據(jù)庫，存在什么困難呢？079
5.2.3 使用化學(xué)反應(yīng)數(shù)據(jù)庫來預(yù)測合成路線，但進(jìn)展甚微�？赡艹隽耸裁磫栴}?080
5.2.4 數(shù)據(jù)庫太大，訓(xùn)練模型需要花費(fèi)很長時(shí)間。我們又能做些什么呢？081
5.2.5 如何設(shè)置參數(shù)082
5.2.6 AI 如何學(xué)會(huì)一些不存在的東西?083
5.2.7 我訓(xùn)練的AI 測試非常漂亮，但現(xiàn)在正在制造垃圾084
5.2.8 AI 解決了方框5.4 中的挑戰(zhàn)，它是如何做到的？085
5.2.9 AI 認(rèn)為籃球運(yùn)動(dòng)員導(dǎo)致了全球變暖086
5.2.10 AI 結(jié)果顯示我的數(shù)據(jù)只包含噪聲，但我認(rèn)為可能存在某些真實(shí)的東西。如何告知我的AI?088
5.2.11 AI 很好，直到我找到了一些額外的數(shù)據(jù)；為什么數(shù)據(jù)讓情況變得更糟，而不是更好？088
5.2.12 雖然有大量數(shù)據(jù)，但我的AI 仍然學(xué)習(xí)得很艱難089
5.2.13 問題：我的AI 很奇怪090
5.2.14 一切都變糟糕了。我該怎么辦？090
5.3 結(jié)論 092
參考文獻(xiàn) 093

第6章 未來狀況預(yù)測：AI 推動(dòng)的國防應(yīng)用化學(xué)創(chuàng)新 095
6.1 引言 095
6.2 合成搜索引擎：自動(dòng)化合成規(guī)劃 096
6.2.1 優(yōu)化已知路線096
6.2.2 預(yù)測反應(yīng)結(jié)果097
6.2.3 執(zhí)行逆合成099
6.2.4 評估101
6.2.5 采納101
6.3 化學(xué)統(tǒng)計(jì)學(xué)習(xí)中的數(shù)據(jù)挑戰(zhàn) 102
6.3.1 數(shù)據(jù)偏向于成功的實(shí)驗(yàn)102
6.3.2 現(xiàn)有數(shù)據(jù)不可靠且不規(guī)范103
6.3.3 數(shù)據(jù)只與一個(gè)狹窄的任務(wù)集合相關(guān)104
6.3.4 機(jī)器學(xué)習(xí)模型中化學(xué)數(shù)據(jù)沒有標(biāo)準(zhǔn)的表征形式105
6.4 數(shù)據(jù)挑戰(zhàn)的現(xiàn)實(shí)解決方案 107
6.4.1 實(shí)驗(yàn)數(shù)據(jù)收集的自動(dòng)化和標(biāo)準(zhǔn)化107
6.4.2 跨實(shí)驗(yàn)室共享數(shù)據(jù)108
6.4.3 利用科學(xué)文獻(xiàn)中描述的實(shí)驗(yàn)數(shù)據(jù)109
6.4.4 通過模擬生成數(shù)據(jù)109
6.4.5 數(shù)據(jù)生成和預(yù)測模型的閉環(huán)集成 110
6.5 自驅(qū)動(dòng)實(shí)驗(yàn)室的初步演示 110
6.5.1 自主研究的啟示 111
6.6 結(jié)論 112
參考文獻(xiàn) 113

第7章 化學(xué)合成中的機(jī)器學(xué)習(xí) 118
7.1 引言 118
7.2 化學(xué)數(shù)據(jù)的性質(zhì) 119
7.2.1 數(shù)據(jù)源 119
7.2.2 分子描述符121
7.3 機(jī)器學(xué)習(xí)方法 121
7.4 合成路線設(shè)計(jì) 124
7.4.1 逆合成127
7.4.2 反應(yīng)預(yù)測129
7.4.3 優(yōu)化反應(yīng)條件130
7.5 實(shí)際應(yīng)用 131
7.6 結(jié)論 131
參考文獻(xiàn) 132

第8章 天體化學(xué)中的約束化學(xué)網(wǎng)絡(luò) 136
8.1 引言 136
8.2 化學(xué)反應(yīng)數(shù)據(jù)庫的完整性和可靠性 137
8.2.1 氣相網(wǎng)絡(luò)137
8.2.2 顆粒表面網(wǎng)絡(luò)138
8.3 貝葉斯方法 138
8.4 復(fù)雜網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)技術(shù) 141
8.5 結(jié)論 142
參考文獻(xiàn) 142

第9章 （納米） 材料- 生物界面中的機(jī)器學(xué)習(xí) 144
9.1 機(jī)器學(xué)習(xí)概述、挑戰(zhàn)和機(jī)遇 144
9.2 復(fù)雜材料中特殊問題的尺度與重要性 145
9.3 材料中的機(jī)器學(xué)習(xí)示例 146
9.4 納米材料中的機(jī)器學(xué)習(xí)示例 147
9.5 生物材料和再生醫(yī)學(xué)中的機(jī)器學(xué)習(xí)示例 151
9.6 細(xì)胞療法、生物反應(yīng)器和可植入細(xì)胞的材料 154
9.7 機(jī)器學(xué)習(xí)與進(jìn)化方法 154
9.8 展望 155
參考文獻(xiàn) 156

第10章 應(yīng)用于復(fù)雜聚合過程的機(jī)器學(xué)習(xí)技術(shù) 159
10.1 化學(xué)過程建模的難點(diǎn) 159
10.2 自由基聚合過程的唯象學(xué)模型 160
10.3 人工神經(jīng)網(wǎng)絡(luò)在聚合過程中的應(yīng)用 163
10.3.1 神經(jīng)網(wǎng)絡(luò)在聚合反應(yīng)工程中的應(yīng)用類型163
10.3.2 應(yīng)用于聚合過程建模中的不同類型神經(jīng)網(wǎng)絡(luò)模型164
10.4 軟計(jì)算混雜配置在聚合過程的應(yīng)用 167
10.5 機(jī)器學(xué)習(xí)技術(shù)在甲基丙烯酸甲酯自由基聚合中的應(yīng)用 168
參考文獻(xiàn) 172

第11章 分子藥物發(fā)現(xiàn)中的機(jī)器學(xué)習(xí)和打分函數(shù)（SFs）：預(yù)測和表征可成藥藥物和靶標(biāo) 174
11.1 引言 174
11.2 數(shù)據(jù)與方法 179
11.2.1 分子和疾病靶標(biāo)的數(shù)據(jù)和可成藥性打分179
11.2.2 打分函數(shù)對分子參數(shù)（MPs） 和靶標(biāo)的描述179
11.2.3 統(tǒng)計(jì)和編程方法182
11.3 結(jié)果 182
11.3.1 主成分分析（PCA） 結(jié)果182
11.3.2 機(jī)器學(xué)習(xí)分類結(jié)果185
11.4 總結(jié)與討論 187
參考文獻(xiàn) 190

第12章 AI 在有機(jī)材料預(yù)測中的應(yīng)用 194
12.1 引言 194
12.2 從文獻(xiàn)中提取數(shù)據(jù) 196
12.3 構(gòu)建合成切塊數(shù)據(jù)庫 197
12.4 性質(zhì)預(yù)測 198
12.4.1 訓(xùn)練數(shù)據(jù)198
12.4.2 描述符199
12.4.3 加速性質(zhì)預(yù)測201
12.5 結(jié)構(gòu)預(yù)測 201
12.6 相空間探索 203
12.7 材料合成砌塊的從頭分子設(shè)計(jì) 204
12.8 預(yù)測可合成材料 205
12.9 研究案例 206
12.9.1 有機(jī)電子材料206
12.9.2 多孔有機(jī)材料的性質(zhì)預(yù)測和相空間探索207
12.9.3 其他功能有機(jī)材料208
12.10 結(jié)論 209
參考文獻(xiàn) 209

第13章 數(shù)據(jù)科學(xué)驅(qū)動(dòng)的無機(jī)材料發(fā)現(xiàn)新時(shí)代 216
13.1 引言 216
13.2 通過機(jī)器學(xué)習(xí)方法的材料發(fā)現(xiàn)工作流程 218
13.2.1 數(shù)據(jù)采集218
13.2.2 數(shù)據(jù)表征219
13.2.3 數(shù)據(jù)預(yù)處理220
13.2.4 模型構(gòu)建222
13.2.5 模型評估224
13.3 機(jī)器學(xué)習(xí)在無機(jī)材料中的應(yīng)用 225
13.3.1 合成優(yōu)化中的機(jī)器學(xué)習(xí)225
13.3.2 結(jié)構(gòu)預(yù)測中的機(jī)器學(xué)習(xí)225
13.3.3 材料性質(zhì)預(yù)測中的機(jī)器學(xué)習(xí)227
13.4 機(jī)遇與挑戰(zhàn) 228
13.4.1 從小數(shù)據(jù)集中學(xué)習(xí)229
13.4.2 生成有效的數(shù)據(jù)表征229
13.4.3 增強(qiáng)模型的可解釋性229
13.4.4 增加模型的可訪問性230
13.5 結(jié)論 230
參考文獻(xiàn) 231

第14章 機(jī)器學(xué)習(xí)在化學(xué)工程中的應(yīng)用 235
14.1 引言 235
14.2 建模與模擬 236
14.2.1 AI 在分離裝置建模與模擬中的應(yīng)用236
14.2.2 AI 在反應(yīng)器建模與模擬中的應(yīng)用238
14.2.3 AI 在整體工廠建模與模擬中的應(yīng)用238
14.2.4 AI 在能源管理建模與模擬中的應(yīng)用239
14.3 控制和操作 240
14.3.1 過程控制的基本原則240
14.3.2 機(jī)器學(xué)習(xí)用于控制化學(xué)過程240
14.3.3 機(jī)器學(xué)習(xí)集成的傳統(tǒng)控制器242
14.4 預(yù)估和預(yù)測 243
14.4.1 化學(xué)工程預(yù)估器的可用AI 算法243
14.4.2 基于AI 的預(yù)估器的選擇與應(yīng)用246
14.5 未來趨勢和展望 248
參考文獻(xiàn) 249

第15章 化學(xué)中的表征學(xué)習(xí) 257
15.1 引言 257
15.2 非學(xué)習(xí)型分子表征 258
15.2.1 分子指紋259
15.2.2 可計(jì)算的性質(zhì)260
15.3 學(xué)習(xí)表征的必要性 260
15.4 學(xué)習(xí)型分子表征 262
15.4.1 圖模型263
15.4.2 網(wǎng)格模型265
15.4.3 序列模型266
15.4.4 以物理學(xué)為靈感的架構(gòu)267
15.5 數(shù)據(jù)方面的考慮 269
15.6 挑戰(zhàn)和展望 270
15.7 結(jié)論 270
參考文獻(xiàn) 271

第16章 揭開人工神經(jīng)網(wǎng)絡(luò)作為新化學(xué)知識(shí)產(chǎn)生者的神秘面紗：以抗瘧藥物發(fā)現(xiàn)研究為例 274
16.1 引言 274
16.2 材料和方法 275
16.2.1 數(shù)據(jù)集和分子描述符275
16.2.2 構(gòu)建Ms-QSBER_EL 模型277
16.3 結(jié)果與討論 279
16.3.1 Ms-QSBER-EL 模型279
16.3.2 適用域280
16.3.3 從分子描述符中收集物理化學(xué)和結(jié)構(gòu)信息281
16.3.4 實(shí)際有效和安全的抗瘧化學(xué)品的計(jì)算設(shè)計(jì)284
16.3.5 類藥性289
16.4 結(jié)論 290
參考文獻(xiàn) 290

第17章 堆芯損耗譜的機(jī)器學(xué)習(xí) 293
17.1 引言 293
17.2 方法學(xué) 294
17.2.1 譜圖數(shù)據(jù)庫的構(gòu)建294
17.2.2 譜圖數(shù)據(jù)的聚類294
17.2.3 材料信息的決策樹295
17.2.4 前饋神經(jīng)網(wǎng)絡(luò)295
17.3 結(jié)果與討論 295
17.3.1 數(shù)據(jù)驅(qū)動(dòng)的預(yù)測和解釋方法概述295
17.3.2 單金屬氧化物的O-K 邊的表征297
17.3.3 無定形SiO2 的O-K 邊的解釋和預(yù)測300
17.3.4 從ELNES/XANES 中使用機(jī)器學(xué)習(xí)方法定量結(jié)構(gòu)和性質(zhì)304
17.3.5 從噪聲譜中定量結(jié)構(gòu)和性質(zhì)306
17.4 結(jié)論 308
參考文獻(xiàn) 309

第18章 自主科學(xué)：大數(shù)據(jù)工具為化學(xué)中的小數(shù)據(jù)問題服務(wù) 313
18.1 引言 313
18.2 實(shí)驗(yàn)的自主設(shè)計(jì) 315
18.2.1 稀疏采樣策略對“小數(shù)據(jù)” 的挑戰(zhàn)315
18.2.2 自主實(shí)驗(yàn)設(shè)計(jì)的單純形方法317
18.2.3 動(dòng)態(tài)采樣的插值算法318
18.2.4 一種有監(jiān)督學(xué)習(xí)的動(dòng)態(tài)采樣方法318
18.2.5 用于拉曼高光譜成像和X 射線衍射成像的SLADS319
18.2.6 實(shí)驗(yàn)自主設(shè)計(jì)的非迭代動(dòng)態(tài)采樣321
18.2.7 主動(dòng)機(jī)器學(xué)習(xí)322
18.2.8 材料合成的動(dòng)態(tài)采樣323
18.2.9 自主實(shí)驗(yàn)設(shè)計(jì)的模塊化架構(gòu)324
18.3 有限數(shù)據(jù)訓(xùn)練的生成式對抗方法 325
18.3.1 圖像識(shí)別中的生成式對抗網(wǎng)絡(luò)326
18.3.2 對抗性攻擊的線性示例：對抗性光譜328
18.3.3 數(shù)據(jù)生成示例：生成式對抗線性分析331
18.4 結(jié)論 333
參考文獻(xiàn) 333

第19章 多相催化中的機(jī)器學(xué)習(xí)：從構(gòu)建到應(yīng)用的全局神經(jīng)網(wǎng)絡(luò)勢 338
19.1 引言 338
19.2 方法 339
19.2.1 高維神經(jīng)網(wǎng)絡(luò)架構(gòu)339
19.2.2 結(jié)構(gòu)描述符341
19.2.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練342
19.2.4 數(shù)據(jù)集生成和SSW 全局優(yōu)化342
19.2.5 自學(xué)習(xí)過程345
19.3 應(yīng)用 346
19.3.1 PES 探索346
19.3.2 負(fù)載在CeO2 上的超微量金347
19.3.3 無定形TiOxHy 上的析氫反應(yīng)348
19.3.4 在ZnCrO 催化劑上的合成氣轉(zhuǎn)化351
19.4 展望 353
參考文獻(xiàn) 354

第20章 機(jī)器學(xué)習(xí)在化學(xué)和材料中實(shí)際應(yīng)用的指導(dǎo)性原則 357
20.1 引言 357
20.2 應(yīng)用機(jī)器學(xué)習(xí)的指導(dǎo)性原則 359
20.3 結(jié)論與警示 367
參考文獻(xiàn) 369

中英文對照 371