徐优俊，裴剑锋

北京大学前沿交叉学科研究院定量生物学中心，北京 100871

深度学习在化学信息学中的应用

徐优俊，裴剑锋

北京大学前沿交叉学科研究院定量生物学中心，北京 100871

深度学习在计算机视觉、语音识别和自然语言处理三大领域中取得了巨大的成功，带动了人工智能的快速发展。将深度学习的关键技术应用于化学信息学，能够加快实现化学信息处理的人工智能化。化合物结构与性质的定量关系研究是化学信息学的主要任务之一，着重介绍各类深度学习框架（深层神经网络、卷积神经网络、循环或递归神经网络）应用于化合物定量构效关系模型的研究进展，并针对深度学习在化学信息学中的应用进行了展望。

深度学习；人工智能；定量构效关系；化学信息学

1 引言

人工智能（artificial intelligence，AI）主要用人工的方法在机器（计算机）上实现智能化，或称机器智能。自2006年以来，机器学习领域取得了突破性的进展。深度学习（deep learning）算法的提出让人们相信AI离人们并没有那么遥远。自AlphaGo战胜李世石的那一刻起，深度学习技术被认为是目前最有可能实现AI的技术之一。深度学习是机器学习算法的一种。在最近的10年中，深度学习技术在语音识别[1]、计算机视觉[2]和自然语言处理[3]中取得了巨大的成功。同时，该技术凭借其强大的能力也逐渐地被应用到化学信息学的很多领域[4]，如计算机辅助药物设计、材料性质的预测等。在2012年的Merck公司组织的药靶化合物活性预测比赛中，利用深度学习技术构建的预测模型不仅战胜了所有的竞争者，而且在准确率方面大约超出Merck公司内部评价系统15%。……