根據(jù)我們項目經(jīng)驗當前化學研發(fā)過程中，存在以下幾個行業(yè)痛點。

第一點是實驗結果難復現(xiàn)，很多情況下實驗結果會不穩(wěn)定。同一個實驗，不同的人做，每個人的結果會有差異；而收益率最高的那個實驗結果，讓同一個人復現(xiàn)，可能復現(xiàn)的結果還是有差異。

第二點是實驗過程管理困難，大規(guī)模研發(fā)機構中研發(fā)人員會有幾百甚至成千上萬人，每個人掌握著各人的研發(fā)實驗記錄和實驗數(shù)據(jù)，而作為研發(fā)的經(jīng)理，對資源的管理和整合比較困難。

第三點，研發(fā)所產(chǎn)生的數(shù)據(jù)和經(jīng)驗，整合困難。不容易描述，會隨著人員的流失而流失。

第四點，研發(fā)所考慮的因素復雜，設計成本、供應鏈體系、生產(chǎn)安全等，同時各類文獻庫種類繁多，導致研發(fā)周期很長，并且檢索時難免會有遺漏。

國工智能發(fā)布了新一代在化工研發(fā)的人工智能解決方案，來解決上述問題。

在國工智能研發(fā)平臺中會規(guī)范整個研發(fā)過程。首先，委托單下達到研發(fā)機構或者企業(yè)的研發(fā)中心，在研發(fā)委托下達后，系統(tǒng)會分配一個帶有二維碼的的委托編號，這個二維碼中包含了研發(fā)項目所要用到的試劑、容器以及整個研發(fā)過程中所有的數(shù)據(jù)，整個研發(fā)過程通過這個二維碼就可以進行追溯。。第二步，近似性搜索，系統(tǒng)會自動檢索全球化合物庫和企業(yè)自身研發(fā)數(shù)據(jù)庫中的一些和所需化合物相類似的相關研發(fā)項目。簡單來說，就是實驗所用到的原材料和以前研發(fā)項目用到的原材料比較像，或者是分子結構特征相符，從而可以進行復用推薦。系統(tǒng)會將研發(fā)過程數(shù)據(jù)提取出來，進行推送，以此來減少研發(fā)時的重復成本投入。

但如果近似性搜索庫中沒有近似項，那么系統(tǒng)會調用逆向合成機器人，系統(tǒng)會逆向推導所需化合物的合成過程以及合成途徑中所引用的相關文獻，并會自動生成多條合成路徑，來擴展研發(fā)人員的研發(fā)思路。通過相應的路線和可參考的資料，企業(yè)可以進行人為干預的合成路線實驗設計和修正，同時人工智能算法會自動學習企業(yè)常用的化合物和合成習慣，從而可以將整個研發(fā)團隊的經(jīng)驗進行數(shù)字化積累。

研發(fā)管理系統(tǒng)會分發(fā)研發(fā)任務到電子實驗記錄本，以及會自動調用相關的實驗輔助設計DOE的部分算法，如回歸算法、隨機森林，來完成整個實驗路線的輔助設計。系統(tǒng)會自動采集檢驗分析的相關的儀器如色譜、質譜，同時獲取實驗室的反應條件以及溫濕度的環(huán)境和相關試劑的批次信息，以用于后續(xù)實驗結果復現(xiàn)。最后經(jīng)過結果審核，科研結果歸檔。經(jīng)過歸檔之后，整個的數(shù)據(jù)流程會記錄到近似性搜索數(shù)據(jù)庫中，備于后續(xù)檢索。

研發(fā)項目的管理，涵蓋了科研項目管理的整個過程，里面包含了例如立項的論證，建議和審批，進度計劃和風險計劃，以及任務的分發(fā)，包括分配給每個研究員各自的實驗路線，實驗設計，實驗過程中所使用的試劑，同時也可以跟蹤實驗的進度。作為研發(fā)項目的經(jīng)理，可以直接的了解項目整體的進度。

近似性搜索，系統(tǒng)自帶公開化合物信息庫里面幾億個已知分子結構，并融合企業(yè)自身的一些特殊化合物，將化合物信息歸集到企業(yè)本地的數(shù)據(jù)庫，從而實現(xiàn)數(shù)據(jù)的離線檢索和保存，能有效防止研發(fā)數(shù)據(jù)泄露。

在新一代的人工智能框架下，把目標化合物分子結構輸入系統(tǒng)，人工智能依賴于全球上百萬份的文獻數(shù)據(jù)，能自動完成未知化合物合成路線的推理和推導工作。人工智能平臺帶有自學習功能，初次給出的合成路線不一定完全是符合企業(yè)的研發(fā)特征，但是經(jīng)過持續(xù)的自我訓練，系統(tǒng)會學習并模擬企業(yè)的研發(fā)習慣，用料習慣，從而系統(tǒng)生成的合成路線將會無限接近企業(yè)特點。

人工智能生成逆向合成路線，所用原料會優(yōu)先從化合物商品庫中進行檢索，優(yōu)先采用標準常用化合物進行和合成。

化合物正向合成推導，在進行合成路線設計時可以通過原料化合物來推導反應結果，從而減少合成風險。

自動提供提供相關參考文獻

整個研發(fā)輔助系統(tǒng)部署在企業(yè)本地，沒有外網(wǎng)傳輸，杜絕研發(fā)數(shù)據(jù)泄露。完成本地化部署以后，系統(tǒng)就開始不斷地搜集和學習所有研發(fā)人員的研發(fā)行為和研發(fā)習慣，自我學習自我更新。同時配合國工智能生產(chǎn)制造一體化解決方案，會把銷售、科研、生產(chǎn)、質檢平臺一體化，實現(xiàn)全產(chǎn)業(yè)鏈條的業(yè)務優(yōu)化。

根據(jù)生產(chǎn)和質量數(shù)據(jù)，人工智能系統(tǒng)會直接計算最優(yōu)的收益率，最優(yōu)原材料配比，最優(yōu)的反應時間、溫度并給出最優(yōu)工藝參數(shù)建議。同時系統(tǒng)可以反向控制相關反應設備，形成優(yōu)化閉環(huán)。

在國工智能制造平臺（MOM）包含了研發(fā)管理（DEV）、實驗室與質量管理系統(tǒng)（LIMS）這些系統(tǒng)均可以與實驗室設備進行聯(lián)動和互通，系統(tǒng)會自動抓取色譜，天平，PH計等實驗設備數(shù)據(jù)，來提高數(shù)據(jù)分析質量和實驗復現(xiàn)效率。

數(shù)據(jù)大腦擁有大量的算法封裝，除了人工智能算法也包括了SPC,CPK,DOE,六西格瑪?shù)确治龉ぞ摺M足企業(yè)各種計算需求。

人工智能在輔助化學的研發(fā)過程中，存在著巨大的價值，

第一，系統(tǒng)能協(xié)同完成整個實驗的執(zhí)行過程，所有的研發(fā)人員的研發(fā)過程都會在系統(tǒng)中進行顯示，項目進度能有效的管理。

第二，系統(tǒng)會控制整個研發(fā)過程的成本與周期，實時記錄和反饋人天和物料等成本消耗情況，離計劃目標完成的情況等，做到計劃可控。

第三，系統(tǒng)會將研發(fā)經(jīng)驗進行儲備，歸結到一個AI模型中去，AI會自主對研發(fā)經(jīng)驗進行整理和學習，從而減少了科研人員離職的風險。

第四，系統(tǒng)會充分挖掘海量研發(fā)數(shù)據(jù)中存在的價值。在研發(fā)過程中，企業(yè)會積累大量的研發(fā)數(shù)據(jù)、研發(fā)經(jīng)驗，這些數(shù)據(jù)可以通過一些算法，將配方和工藝提取出來，通過AI系統(tǒng)進行再次優(yōu)化。充分發(fā)揮了人工智能和機器學習的潛能。

第五，保證研發(fā)數(shù)據(jù)可追溯性，獲得準確可靠的分析成果。從研發(fā)項目在立項的開始就會形成一個的項目編碼，通過這個的編碼企業(yè)可以找到整個研發(fā)過程當中所有的數(shù)據(jù)。