科學研究領域中，追求真理經(jīng)常意味著穿著白大褂在實驗室做實驗，其中免不了做一些失敗的試驗。沒關系，因為失敗的試驗有時候也能帶來很多新發(fā)現(xiàn)?，F(xiàn)在，哈佛大學正努力幫助科學家加速試驗研究的速度，通過一個可以預測化學反應成功率的機器學習算法，算法成功率超過了人類科學家。

　　算法分析了失敗實驗的數(shù)據(jù)。通常，這些數(shù)據(jù)呆在實驗室的電腦里，只有做原始實驗的科學家才會接觸到這些數(shù)據(jù)。哈佛大學采取了另一種方法，將幾千個成功和失敗的數(shù)據(jù)數(shù)字化，創(chuàng)造了一個開放的巨大數(shù)據(jù)庫?；瘜W副教授JoshuaSchrier將每個實驗的特性分解，研究員化學副教授AlexanderNorquist研究出了機器學習算法。

　　如《自然》雜志解釋道，團隊專注在結晶反應，這種反應需要將一組試劑在溶劑中混合并加熱。具體來說，這需要一種叫做釩亞硒酸鹽的材料，是鋁、硒和氧氣形成的化合物。研究員通過看筆記，基于多年的科研經(jīng)驗預測了新的反應結果。但是算法可以看得更加深入，發(fā)現(xiàn)數(shù)據(jù)背后人類科學家沒有看出來的模式。

　　在大約500個案例中，算法可以以89%的比例生成結晶。而研究員只有78%的成功率?！坝脵C器學習模型，不帶任何偏見地來審視這些沒有利用起來的數(shù)據(jù)，可以帶來無價的預測幫助科學家?！惫鸹瘜W及生物化學教授AlanAspuru-Guzik說。“尤其是數(shù)據(jù)中可以產(chǎn)生有實質意義的關聯(lián)和預測，這能加速新材料的研究發(fā)現(xiàn)?！?/P>

　　這樣的思路還可能改變科學新發(fā)現(xiàn)的報導方式。目前，研究員經(jīng)常只針對能夠成功產(chǎn)生化合物的材料和過程發(fā)表論文，而各種失敗的數(shù)據(jù)則被忽略，埋沒在實驗室的電腦硬盤里?！昂芸赡茉趯嶒為_發(fā)和情景優(yōu)化的過程中，為了一次成功反應需要做一百次反應。”Norquist解釋道，“我將這些失敗的反應看做冰山在水面以下的部分——我們所見到的科研結果，只是冰山一角?！?/P>

　　團隊的數(shù)據(jù)庫科研在DarkReactionProject項目網(wǎng)站（http://darkreactions.haverford.edu/）上獲得。團隊希望，其他科學家科研可以來分享他們的失敗案例，從而不斷提升數(shù)據(jù)庫，以及機器學習的預測能力。