利物浦大学的研究人员开发了一种人工智能助手，指导实验室化学家寻找制造有机分子的新的、更便宜的方法。

在《自然化学》杂志上发表的一项研究中，化学系的团队与 IBM 的研究人员合作开发了一种软件，可以根据之前实验的结果，为化学家提供下一步应该进行哪些实验的建议。该论文的标题是“顺序闭环贝叶斯优化作为有机分子金属光催化剂配方发现的指南”。

迄今为止，这已经导致了一种用于碳碳键形成反应的催化剂配方，避免了使用每克成本约为 170 美元的贵金属铱。

新方法使用贝叶斯优化，这是一种可以处理复杂、高维问题的计算方法，可以处理大量相互关联的变量，并用于金融、计算机图形学和机器人等领域。

贝叶斯优化可用于改进几乎任何复杂的物理混合物 - 例如，创建更好的蛋糕配方 - 但除非捕捉到一些已知的化学规则，否则这种策略对于化学研究来说效率低下。

利物浦大学化学系和材料创新工厂的 Andrew Cooper 教授表示：“所有化学家都知道酸会被碱中和，但除非我们将其作为规则，否则贝叶斯算法将建议进行费力地重新学习这一点的实验。同样，在优化蛋糕混合物时，贝叶斯算法可能会从探索含有 99% 面粉的配方开始，而人类不会这样做。”

然而，烘焙类比不适用于有机反应，例如用于制造药物的反应，其基本规则比酸碱化学更复杂。事实上，在许多情况下，反应机制尚未完全了解。因此，可能没有简单的规则集。