📢 转载信息

原文链接：https://news.mit.edu/2025/chemxploreml-app-helps-predict-chemical-properties-0724

原文作者：Danielle Randall Doughty | Department of Chemistry

---

麻省理工学院发布ChemXploreML：让化学家轻松预测分子性质的新一代AI工具

ChemXploreML使先进的化学预测变得更轻松、更快速——而无需深厚的编程技能。

对于大多数化学研究人员来说，一个共同的、根本性的目标是能够预测分子的特性，例如其沸点或熔点。一旦研究人员能够确定这些预测，他们就能继续推进工作，从而产生发现新药物、新材料等成果。然而，历史上，揭示这些预测的传统方法伴随着巨大的成本——除了资金消耗外，还会耗费时间和设备磨损。

机器学习的普及与编程壁垒

这时，人工智能的一个分支——机器学习（ML）登场了。ML在一定程度上减轻了分子性质预测的负担。然而，那些最有效地加速该过程（通过从现有数据中学习，为新分子快速做出预测）的高级工具，要求用户具备相当高的编程专业知识。这为许多化学家设置了可及性障碍，他们可能不具备驾驭预测流程所需的计算能力。

为了解决这一挑战，麻省理工学院（MIT）McGuire研究小组的研究人员开发了 ChemXploreML，一个用户友好的桌面应用程序，它帮助化学家在不需要高级编程技能的情况下做出这些关键预测。这款应用免费提供、易于下载，并且可以在主流平台上运行，它还被设计为完全离线操作，有助于保护研究数据的私密性。这项激动人心的新技术已在近期发表于《化学信息学与模型杂志》（Journal of Chemical Information and Modeling）的 文章 中进行了详细介绍。

ChemXploreML如何工作：自动化复杂转换

化学机器学习中的一个具体难题是将分子结构转换成计算机可以理解的数字语言。ChemXploreML通过内置的强大“分子嵌入器”（molecular embedders）来自动化这一复杂过程，这些嵌入器能将化学结构转化为信息丰富的数值向量。接着，该软件利用最先进的算法来识别模式，并通过直观的交互式图形界面，准确预测诸如沸点和熔点等分子特性。

McGuire小组的博士后研究员、文章的主要作者Aravindh Nivas Marimuthu表示：“ChemXploreML的目标是将机器学习的使用普及到化学科学的各个领域。”他说：“通过创建一个直观、强大且支持离线的桌面应用程序，我们将最先进的预测模型直接交到了化学家的手中，无论他们是否有编程背景。这项工作不仅通过使筛选过程更快、更便宜，加速了新药物和材料的探索，其灵活的设计还为未来的创新开启了大门。”

高效与可扩展性

ChemXploreML旨在随着时间的推移而不断发展，因此，随着未来技术和算法的开发，它们可以无缝地集成到应用程序中，确保研究人员始终能够访问和实施最新的方法。

该应用程序在有机化合物的五个关键分子特性上进行了测试——熔点、沸点、蒸气压、临界温度和临界压力——在临界温度预测上取得了高达93%的准确率。研究人员还证明，一种新的、更紧凑的分子表示方法（VICGAE）的准确性与Mol2Vec等标准方法相当，但速度却快了10倍。

Marimuthu说：“我们设想的未来是，任何研究人员都可以轻松地定制和应用机器学习来解决独特的挑战，从开发可持续材料到探索星际空间的复杂化学。”与他共同撰写该论文的还有资深作者、化学系的Brett McGuire助理教授（Class of 1943 Career Development Assistant Professor）。

---

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。

青云聚合API官网https://api.qingyuntop.top

支持全球最新300+模型：https://api.qingyuntop.top/pricing

详细的调用教程及文档：https://api.qingyuntop.top/about