深度学习在化学信息学中的应用研究进展

在知识、数据、算法与算力的多重驱动下，深度学习不仅在计算机视觉、自然语言处理等研究领域取得了突破，并随着各学科间的迁移应用于交叉融合，逐渐衍生出多个新兴研究方向。化学信息学作为以应用信息学方法以解决化学问题的学科，深度学习技术凭借其强大的非线性学习能力，通过深度学习模型可以从数据集中对其进行筛选预测，再基于理论计算对结果可行性进行理论验证，最后通过实验表征结果，缩短了实验周期、降低了人力成本、加速了化学信息学智能化。本文简要介绍了深度学习发展历史及主要网络模型架构，介绍了近年来深度学习在在化合物合成路线规划、化合物结构活性与性质及催化剂设计的最新研究和应用现状，并对未来的发展方向进行讨论与展望。