先正达实验室中的AI力量：解锁农业创新高效密码

<article><section data-type="rtext">2026年1月30日, 上海 -- 人工智能(AI)正以前所未有的速度改变着各行各业，农业领域也不例外。从互联网的突破到第一代智能手机带来的代际变革，技术正迅速改变我们的生活方式。如今，在人工智能创新突破的推动下，农业科技研发也在经历一场巨变。在先正达集团，人工智能正在帮助化学和生物学家们创造新一代可持续植保产品，以更高效、更有效的方式保护作物免受病虫害的侵害，更好应对当前农业复杂多变的挑战。在实验室中，设计和优化新型植保产品的过程通常是一个反复循环的过程——设计(design)、合成(synthesis)、测试(testing)和分析(analysis)，简称DSTA。在DSTA循环的每个环节，先正达实验室都已经在使用人工智能。<img data-alt="人工智能解锁高效创新密码" src="//img.huanqiucdn.cn/dp/api/files/imageDir/0d6ea3956a531c64385dc0340c7aef00.jpg?imageView2/2/w/750" />第一步 人工智能助力分子设计设计是指分子蓝图的创建。然而，可能的分子数量不亚于海量的星辰，科学家们发现新分子面临巨大挑战。人工智能可以比人类更高效地探索这一空间，帮助研究人员快速筛选出有潜力的分子，大幅加速新分子的发现过程。就像ChatGPT可以根据提示生成文本一样，在生成式化学中，人工智能模型可以根据正确的提示，创建分子结构。通过这种方式，先正达集团的科学家们可以快速设计出新的分子，并通过数字工具评估甚至预测它们的性质，更快、更高效地筛选出有前景的候选分子。先正达科学家们通常采用“逆向设计”的方法，即从目标参数出发，以此指导设计。这种方法的成功依赖于对分子性质的准确预测，而这正是人工智能的强项。人工智能不仅加速了分子设计的过程，还提高了设计的整体质量，帮助科学家们设计出更具针对性、更有效、更具成本效益且更可持续的新分子。然而，人工智能的输出质量很大程度上取决于输入的提示的质量，这一过程仍然充满挑战。第二步 人工智能推动分子合成设计的下一个阶段是合成——将设计的分子在实验室中制造出来。提到化学，很多人会想到在烧瓶中混合各种物质。而人工智能的作用是，在实际反应发生之前，帮助科学家们预测将某些化学成分结合在一起会发生什么。借助高度详细和复杂的人工智能模型，研究人员可以提前预测关于产量、安全性的关键问题，甚至找到更可持续的合成方法。合成阶段也是出现新挑战的阶段，因为人工智能设计的分子可能在理论上很完美，但在实验室中却难以合成，或者成本过高。目前先正达集团约有30-40%分子因合成失败而被放弃。为了解决这个问题，先正达集团的专家们与技术领先的IBM和麻省理工学院合作，使用自然语言处理技术进行“逆合成预测”。也就是说，通过分析全球数据，预测分子在实验室中可能的所有合成路径。人工智能模型会根据这些预测来指导科学家制定合成计划。挑战在于，人工智能模型的好坏取决于其训练数据的质量，而公共数据通常只记录成功的反应，而忽略失败的反应，因此公共数据对合成的帮助有限。为了创建和训练一个高质量的模型，数据需要满足FAIR原则——即可查找、可访问、可互操作和可重复使用。高质量的数据会生成更精准的模型，而这些模型反过来又会推动更高效的合成程序。第三步 人工智能革新分子测试接下来是测试阶段，这一阶段需要经过周密严谨的实验来验证分子的有效性，人工智能在其中发挥着至关重要的作用。以植物生物学为例，如果想知道一种新分子能否有效控制植物病害，就必须对其进行试验。传统测试方式需要研究人员用肉眼观察温室或试验田里的作物，以判断其成功与否。但这样得出的数据是主观的，人工智能成像技术不仅能提供更丰富的数据，还能通过自动化分析减少人为误差。先正达集团在图像识别模型上投入了大量工作，这些模型能够自动分析叶片或植物的状态，提供更精确的结果。不仅如此，这项技术还被逐渐应用于田间。通过无人机收集数据，科学家可以更全面地了解分子在真实环境中的表现。人工智能还能通过“主动学习”优化测试流程。以前，化学家需要手动筛选最有潜力的化合物进行测试。而如今人工智能可以主动识别哪些化合物最值得测试，从而生成更多高质量的测试数据，进一步改进模型。第四步 人工智能优化分子分析测试会产生大量数据，也意味着大量的分析。对测试数据的良好分析，可以为下一步生成式人工智能(GenAI)设计提供最佳提示。人工智能算法可以处理和分析大型数据集，识别出传统统计方法或人类难以发现的复杂模式、趋势和关联。通过学习这些模式，人工智能还可以准确预测尚未制造的分子特性，例如它们的有效性或安全性，不仅可以进一步减少实验成本，还能加速发现过程。人工智能有可能对整个DSTA周期产生重大影响，分析得越好，需要经历的设计、合成、测试、分析周期就越短。同时，人工智能可以从海量数据中提取出有价值的洞察，推动高质量创新，同时让整个过程更快、更可持续。总体而言，人工智能在先正达实验室中的应用已经起步，未来还需要经历很长的不断改进过程。但作为科学家的日益重要的辅助工具，已初步展现出巨大的发展和应用潜力，未来可期。【广告】声明：该文章系转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。</section></article>

10995

10996

10997

10998

10999

11008