我們如何利用人工智慧來提高化學研究人員的生產力

圖說： Elsevier 團隊因 Reaxys 內容催化劑榮獲數據科學卓越獎（從左到右）： Mark Sheehan（Elsevier 生命科學部數據科學副總裁）、Anitha Golla 博士（Elsevier 資深數據強化專家）、Chetan Bhagat（獲獎者、印度作家）和 Abhinav Agnihotry（Elsevier 資料科學家）

全世界的化學研究人員都在使用 Elsevier 的專家編輯化學資訊平台 Reaxys，以查找他們在製藥、化學研發、學術研究和教育等廣泛領域所需的資訊和化合物。 最近，Reaxys 內容催化劑背後的團隊因在分析、數據科學和人工智慧方面的創新而獲得數據科學卓越獎(打開新的分頁／視窗)。

1 億篇文獻和計數

在印度最大的人工智慧會議 Cypher22(打開新的分頁／視窗)上，印度分析雜誌(打開新的分頁／視窗)於 9 月主辦了第四屆人工智慧獎頒獎典禮。 該獎項表彰了團隊在人工智慧驅動的內容豐富生產管道 Reaxys Content Catalyst（RCC）方面所做的努力，該管道致力於從根本上提高 Reaxys 中的可用內容，進而提高化學研究人員的研發效率。

該獎項還恰逢通過了一個關鍵基準：處理超過 1 億篇論文。

"Anitha 說："這兩項成就都證明了跨職能團隊的力量。

思維多樣性：跨職能合作

Anitha 在 德國卡爾斯魯厄理工學院（KIT）(打開新的分頁／視窗)攻讀生物有機化學博士學位期間，對在多學科團隊中工作產生了濃厚的興趣：

“我的導師有一家小型新創公司，他的目標是為生物學家的研究提供盡可能多的多肽。這些勝肽必須既便宜又優質。為了幫助實現這個目標，我和所有這些了不起的人一起工作 ：物理學家、生物學家、工程師"。

“以前，我基本上是一個孤獨的研究員。 但這次經歷讓我明白，如果你與所有這些不同的人一起工作，神奇的事情就會發生。 而且，與你單獨行動相比，它們會發生得更好、更快。”

高影響力的利基市場

她目前工作的複雜性當然需要一個跨職能的團隊。

“科學界發表了數百萬份論文，它們有能力在各個層面上改變世界，“ 她說。 “這可能是關於一種救命藥物，或是關於改變我們做出決定或應對特定挑戰的方式。 我們的工作是確保這些內容是最新的，以便人們可以以最快、最聰明的方式從那裡獲取它。”

儘管 Anitha 對自己工作的相關性充滿熱情，但她仍然對這個獎項感到驚訝。 “我們實際上相當小眾，”她說。 “我們正在從文字和圖像中收集化學事實，並將它們提供給科學界，以幫助推動他們的決策，並真正幫助他們完成非凡的工作。”

“我們的客戶確實告訴我們他們想要什麼…”

“我們的專案也因完全源自於客戶需求而脫穎而出，“ Anitha 補充道。“我們的客戶毫不誇張地告訴我們他們想要什麼：能夠在過去 20 多年發布的專利中非常快速地找到某些東西——物質、生物目標。 他們想要了解競爭格局，這樣他們就可以在這種格局中工作，而不是對抗。"

“傳統上，只有一種方法可以獲得此類資訊：僱用一支化學家隊伍逐行閱讀數百萬份論文。 但當然，這太慢而且成本太高。 因此，我們尋求實現流程自動化——畢竟，Elsevier 已經將數據科學應用於幾乎所有其他領域。”

沒有平凡的一天

根據工作需要，該專案有一個 40 多人的團隊參與。

"Anitha 解釋說："在任何一天，我都要與來自三四個不同領域的人合作--鐵桿化學家、資料科學家、資料工程師、資料架構師、軟體人員等等。 "我必須轉換思維，既要像化學家那樣檢查結構是否正確，又要像統計學家那樣研究結構是否精確。這樣才能保持興奮。

她說，這也讓工作充滿挑戰： 她說："你可能會想出一些對化學家有意義的東西。但當軟體方面的人看到它時，他們會說在計算能力或時間方面成本太高。後來，雖然某些東西可能在小範圍內有效，但當它被生產出來並應用於數百萬份論文時，情況就完全不同了。但最奇妙的是，每個人都希望找到適當的平衡點，讓每個人都滿意。

不斷前進

該計畫從一開始就雄心勃勃。

"Anitha 解釋說："這不僅僅是一個能夠快速、準確地處理專利的管道。 Anitha 解釋說，"每當有新的東西出現，無論是更多的論文還是新的技術、方法或產品，它都需要更新和升級。它需要是一個完全模組化的傳遞途徑--就像即插即用一樣--可以很容易地被採用並持續運作。因此，這需要大量的規劃工作。

現在，隨著傳遞途徑擴展到期刊數據，所有這些規劃都已見成效。 計畫在 2023 年對基礎架構進行進一步的持續開發，包括擴展到 Elsevier 的生物醫學文獻資料庫 Embase(打開新的分頁／視窗)。

我們的雄心壯志仍在繼續。

"Anitha 說：在未來的某一天，我看到了一條任何東西都可以通過的管道，它只是分支到不同的產品。 "得益於 Elsevier 龐大的分類法，它將能夠自行對所有內容進行分類。

"一旦你意識到，從數據的角度來看，在獲得可操作的見解方面，你可以做很多事情，天空就會變得無限廣闊--不僅對化學家和其他生命科學（研究人員）如此， 對其他領域也是如此。