近年來，隨著數據儲存成本絳低、算力提高和高效算法的提出，AI領域的機器學習突飛猛進。Chat GPT、Sora等AI工具大大提高了人類的效率，很有可能引發第四次工業革命浪潮。英偉達（Nvida） CEO 黃仁勛在近期會議中提到的 “人類生物學才是未來" ，英偉達在藥物發現領域持續發力。可見人工智能或機器學習在藥物發現、開發和合成生產領域，即將扮演越來越重要的角色。為此了解什么是機器學習，它在藥物化學領域會起到什么樣的作用，它是如何工作，能幫助我們理解并使用這一工具提高工作效率。下面我們通過印度理工的這篇文章看看，運用康寧反應器集成在線光譜獲的數據，通過半監督機器學習的方法識別反應機理，動力學方程。

傳統動力學方程建立需要校準模型，使用釜式反應器獲得相關數據是一件費時費力的工作。與光譜儀器集成的連續流反應器可快速收集豐富的光譜數據信息。測量的光譜數據和校準模型可用于監測反應進展，闡明反應動力學，并有效地獲得反應機理見解。通常使用傳統釜式反應器在不同時間取樣，獲得的濃度信息會受到傳質傳熱的影響，得不到本征動力學模型。該文利用康寧反應器得高效傳熱傳質特征，集成在線光譜工具，實時監控反應進度，避免離線分析造成結果偏離。該文提出一種不需要校準模型的半監督機器學習方法，自動識別反應機理方程的系數及擬合不同動力學方程，通過不同動力學方程擬合的信息熵AIC（Akaike information criterion）來選擇較為合適的動力學方程。