Intro

人类已经探索出了大量（具体）的分子，对癌症等疾病的治疗产生了不同程度的效果。即使如此，这些分子在广阔的化学空间无限的可能性中，这些分子仅仅占到一小部分。同时，我们现有 XX 疾病患者若干人；就目前的医学与化学的实践来说，更有效的化学空间导航或将帮助解决人类面临的各种紧迫挑战。

2016 年 AlphaGo 横空出世，紧接着 AlphaGo Zero 在不借助人类知识的情况下打败了人类，深度学习引起了广泛关注。在 AlphaGo 的应用中，围棋的空间组合的可能性已经超过了人类已知恒星的数量，而人类仅仅探索到了其中的一小部分，能以棋谱形式记录下来的更少；但 AlphaGo 通过权值网络的强化学习搜索，探索了更为广阔的空间，进而发现了解决围棋问题的较优方案。[1]

就目前来看，深度学习、强化学习的兴起或许将开启药物分子研发新纪元。

降低新药研发成本，进而解决

《我不是药神》电影是一个虚构的故事，但反映了真实的关键药品昂贵的问题。

药物分子的

[1] Silver, D., Huang, A., Maddison, C. et al. Mastering the game of Go with deep neural networks and tree search. Nature 529, 484–489 (2016).

---

最后更新: 2023-01-31