反应路径预测：反应选择性预测

可视化演示

通过能垒反应路径、多产物选择性分布与动力学/热力学控制三个模式，理解AI如何预测化学反应路径选择性与产物分布。支持模式切换与播放暂停。

选择性概述

调度中心每周都会收到同一类求助：同一个货物，从同一座路口进来，却总能被不同的路牌引向完全不同的出口。市民们很困惑——为什么同样一批货，有时变成了药品，有时却变成了废料？这个问题，在化学家口中叫作“反应选择性”。

所谓反应选择性，指的是同一个反应物分子在多种可能路径并存时，各路径生成产物的相对比例。它不像“反应速率”那样只关心某一条路走得快不快，而是关心所有出口之间的车流分配。就像同一个十字路口，早高峰和晚高峰的车上不同方向的概率完全不同——选择性描述的就是这种“概率分配”。

选择性的定量表达通常用目标产物占所有产物的百分比。在制药工业中，一个关键产物的选择性从 90% 提到 99%，分离成本能下降数倍；反之，如果选择性只有 60%，后处理可能比反应本身还要昂贵。因此，“预测选择性”成为合成化学的刚需——而 AI 调度员的核心任务，就是预先算出这个百分比。

所以，“选择性预测”四个字翻译成路口语言，就是让 AI 调度员回答：这辆车最可能从哪个出口出去？回答得越准，化学师傅们越敢放心布置路牌——这正是整个调度中心存在的意义。

化学基础原理

为什么有的出口车水马龙，有的出口门可罗雀？物理学家蹲在路口观察后得出结论：每个出口前都有一道隐形减速带，车要过去，必须碾过它。减速带越高，愿意走那条路的车就越少。这道减速带，对应化学中的“反应能垒”。

分子要完成一次反应，必须先翻越一个能量高点——过渡态。在过渡态那一瞬，旧化学键将断未断、新键将成未成，整个分子处于“骑在减速带正中央”的微妙状态。反应物到过渡态的自由能差 ΔG‡，决定了翻越的难度。

两条竞争路径的产物比例，由它们的能垒差决定——这正是玻尔兹曼分布的核心洞察。能垒差 5 kJ/mol 看起来不大，在室温下换算成产物比却接近 7:1；差 10 kJ/mol 时可达约 50:1。这就是选择性的“杠杆效应”：微小能垒差被指数放大。温度则是这支杠杆的旋钮——温度升高，杠杆变钝，选择性趋近于各占一半。

调度员很快意识到，与其盯着每辆车猜，不如去摸清减速带的高度。可减速带是隐形的——它们藏在分子的电子结构里。好消息是，AI 可以从海量实验数据中反推这些隐形高度，这正是预测选择性的底层逻辑。

反应路径拓扑

但路口远比想象复杂。有些路口是三层立交，车要先进入中间匝道才能换方向；有些匝道特别窄，所有车都堵上一阵。减速带只是局部问题，立交桥的“拓扑结构”才是全局问题。

化学上，反应路径拓扑描述的是分子从反应物到产物的完整路网：经过哪些中间体、在哪个点分叉、哪一步是全流程的瓶颈。选择性往往在分叉点就已注定：一旦车流选择了甲支路，之后的路再顺畅，也改变不了最终去向。

过渡态理论（Eyring 方程）将速率常数和过渡态自由能联系起来，道破一个关键认知：决速步骤决定整体反应有多快，而决速步骤之前的分叉点决定产物怎么分。两者是不同的问题——“快不快”与“往哪走”。

调度员的理论手册更新了：要预测选择性，先画立交桥拓扑图，找到那个决定命运的分叉点。AI 在做反应路径预测时，本质上就是在传感器不完整的条件下，重建这张拓扑图。

数据与表征

调度员再聪明，也得先“看见”每辆车。但货车不会自动报上目的地，调度员只能靠车型、载重、车牌号等特征做判断。在分子世界里，这些特征就是分子表征：把化学结构翻译成机器能读的数字。

最朴素的是分子描述符——一组连续数值，像是车身长度、排量、重量；更常用的是分子指纹——一个二进制位向量，记录分子里是否存在某些结构碎片。Morgan 指纹就是其中代表，它对每个原子在其邻域内做“哈希”编码，把结构信息折叠成固定长度的 0/1 串。

有了表征，还要有数据。历史实验数据往往稀缺且分布不均，于是研究者用数据增强扩充样本：对分子构象做微扰、改变 SMILES 写法、微调反应条件。指纹之间的相似度用 Tanimoto 系数衡量，用于聚类、去重与训练集划分——相似度高的分子往往表现出类似的选择性，这正是“以史为鉴”的基础。

调度员深有体会：档案越全、越准，判断就越稳。AI for Science 的数据工程，本质上是为调度员建一座包含上万本车辆档案的图书馆——而馆藏的编目质量，直接决定 AI 的下限。

传统机器学习

档案到手，怎么学？调度中心最古老的办法是“资深调度员投票制”：请一群老调度员，每人只凭档案的局部信息独立判断，最后大家投票。每个老调度员各看各的点，互不干扰——这就是随机森林的“多棵决策树投票”。

随机森林天然适合分子指纹这种高维稀疏输入；支持向量机（SVM）则擅长用核函数把非线性问题映射到高维空间找最优分界线。两者在反应选择性预测早期立下汗马功劳，直到今天仍是工业界的常青树——尤其在数据量只有几百条的小规模反应数据集上，它们往往比深度学习更稳。

传统方法的另一大优势是可解释性。随机森林能输出特征重要性排名，告诉我们“哪些结构片段对选择性影响最大”；配合置换检验，也能定位关键特征。当数据稀少时，迁移学习还能把相近反应体系中学到的规律带过来，相当于调度员把别处的路况经验迁移到新路口。

一群看得懂局部、投票很靠谱的老调度员，虽然没有“全局大脑”，但胜在经验和透明。这也是为什么在反应数据量不大的化工场景，随机森林常常不输深度学习——而且化学家还看得懂它为什么这么判断。

深度学习方法

老调度员的局限在于“局部视野”——单个路口看得再清，看不到整张路网。深度学习架起了一台拥有上帝视角的调度中枢：图神经网络把分子看作一张图——原子是节点，化学键是边，让信息沿着化学键在原子之间流淌。

GNN 的核心操作是消息传递：每一层，每个原子把邻居原子的“汇报”聚合成自己的新表示。层数越多，感受野越大，最终全局读出一个能代表整个分子的嵌入向量。注意力机制进一步让模型学会“重点盯住哪个路口”——比如哪个官能团真正决定选择性。

分子预训练是当前热门方向：先用海量无标签分子训练一个通用“调度员”，再在少量标记反应数据上微调，显著缓解了小样本下的过拟合。不确定性量化则让模型在把握不足时如实说“不确定”——对化学家决定是否相信 AI 至关重要。

从“老调度员投票”到“智慧调度中枢”，深度学习让 AI 第一次能看懂整张反应路网：会分配注意力，会自我怀疑，还能把海量无标签分子的规律内化于心。这正是 AI for Science 从论文走向实验室的底气。

评估与应用

调度员到底行不行？不能靠嗓门，要靠绩效表。评估指标就是调度中心的绩效考核表，用来量化“预测的产物去向”与“实验实际去向”的吻合程度。

反应选择性预测最常用 Top-1 和 Top-k 准确率。Top-1 要求单一预测命中真值，很严格；Top-k 允许模型给出前 k 个候选产物，命中即算对——k=3 或 5 时更有实用价值，因为化学家完全愿意做少量实验验证候选。

误差来源有三座大山：数据稀缺导致的过拟合、表征丢失立体化学细节、反应条件未编码。在应用端，AI 预筛最出彩的舞台是催化剂筛选——从数千个候选金属配体中预选出高选择性者，把实验量缩小一个数量级。

绩效表翻到最新一页：Top-5 命中率 90%。这意味着调度员总能圈定正确答案所在的小范围，化工师傅只需在五个出口里做验证实验。路口的答案，AI 真的圈出来了。

AI 应用场景

Python 演示

"""反应选择性预测演示：玻尔兹曼分布 + 梯度下降的微型 AI 调度员""" import mathimport random  class BoltzmannReactionPredictor:    """以玻尔兹曼分布为核心的简化反应选择性预测器。     把每个产物想象成路口的一个出口，模型学习各出口的'路障高度'，    再用玻尔兹曼分布把路障高度换算成产物概率。    """     def __init__(self, num_products=3, temperature=1.0):        self.num_products = num_products        self.temperature = temperature        # weights[p][j] 表示第 p 个出口对第 j 个特征的敏感度        self.weights = [[random.uniform(-0.2, 0.2) for _ in range(4)]                        for _ in range(num_products)]     def _score(self, features):        """把分子特征翻译成每个出口的'路障高度'（能垒估计值）。"""        return [sum(w * f for w, f in zip(row, features))                for row in self.weights]     def predict_proba(self, features):        """用玻尔兹曼分布给出各产物概率（选择性预测）。"""        energies = self._score(features)        z = sum(math.exp(-e / self.temperature) for e in energies)        return [math.exp(-e / self.temperature) / z for e in energies]     def train(self, data, epochs=200, lr=0.05):        """用梯度下降让'路障高度'更符合实验观测。"""        for _ in range(epochs):            for features, label in data:                probs = self.predict_proba(features)                for p in range(self.num_products):                    err = probs[p] - (1.0 if p == label else 0.0)                    for j in range(len(features)):                        self.weights[p][j] -= lr * err * features[j]     def evaluate(self, data):        """统计 Top-1 准确率：预测概率最大的产物是否等于真实主产物。"""        correct = 0        for feats, label in data:            probs = self.predict_proba(feats)            if probs.index(max(probs)) == label:                correct += 1        return correct / max(len(data), 1)  def main():    # 4 个分子结构特征：供电基团数、吸电基团数、位阻体积、共轭长度    reactions = [        ([2, 0, 1, 1], 0),        ([1, 1, 0, 2], 1),        ([0, 2, 1, 0], 2),        ([3, 0, 2, 1], 0),        ([1, 2, 0, 1], 2),        ([2, 1, 1, 0], 1),        ([0, 1, 2, 3], 2),        ([1, 0, 3, 1], 0),    ]    random.seed(42)    model = BoltzmannReactionPredictor(num_products=3, temperature=1.0)    print("训练前 Top-1 准确率:", model.evaluate(reactions))    model.train(reactions, epochs=200, lr=0.05)    print("训练后 Top-1 准确率:", model.evaluate(reactions))     demo = [2, 1, 1, 0]    probs = model.predict_proba(demo)    for name, p in zip(["路径A(主产物)", "路径B(副产物)", "路径C(微量产物)"], probs):        print(name + ": " + "{:.1f}".format(p * 100) + "%")  if __name__ == "__main__":    main()

1. def _score(self, features):把分子的结构特征翻译成三个出口各自的“路障高度”（能垒估计值）。
2. z = sum(math.exp(-e / self.temperature) for e in energies)计算归一化因子，把三个路障高度转成概率。
3. probs = self.predict_proba(features)用玻尔兹曼“投票”预测各产物占比。
4. err = probs[p] - (1.0 if p == label else 0.0)“预测占比”与“真实占比”之差，这是模型调整方向的信号。
5. self.weights[p][j] -= lr * err * features[j]沿梯度下调路障高度，让预测逐步逼近实验观测。
6. model.train(reactions, epochs=200, lr=0.05)两百轮“路口实习”，让调度员的直觉逐步校准。

常见误区

面试题