AI程序可以找出化学元素间的相关性，从而重现元素周期表（图片来源：123RF）
这个AI程序名为Atom2Vec，它可以从在线数据库中对化合物名称进行分析，从而对不同的原子进行区分。然后，该AI系统在无监督条件下，使用自然语言处理的概念来根据元素的化学性质，对它们进行聚集整合。
在这里，研究人员应用了自然语言处理领域的一个概念，即通过语境中在某一单词周围出现频率较高的其他单词，来理解该单词的属性和意义。例如，“国王”这个词通常伴随着“王后”这个词一起出现，而“男人”和“女人”共同出现的频率也非常之高。然后，AI程序会对已经输入的自然语言进行解析，将单词转化为数学代码或数学向量的形式。在上面的例子中，“国王”的数学向量就可以大概转化为“国王=王后-女人+男人”的形式。通过对这些向量进行分析，AI可以在给出其他单词出现频率的情况下，对该单词在文本中出现的频率进行估计。
而这一概念可以同样应用于原子上。与AI解析单词和句子不同的是，研究人员并没有向AI程序中输入所有的单词和句子，而是向Atom2Vec输入了所有已知的化合物形式，如氯化钠（NaCl）、氯化钾（KCl）、水（H2O）等。从这些数据中AI程序发现，钾（K）和钠（Na）的性质是相似的，因为这两种元素都可以和氯（Cl）进行结合。这样一来，Atom2Vec就可以逐渐发现各个元素之间的关系，并逐步重现了我们熟知的元素周期表。
斯坦福大学的张首晟教授（图片来源：斯坦福大学官网）
目前，张教授及其团队已经在研究该AI程序的2.0版本，目的是解决医学研究中的一个棘手问题：如何设计正确的抗体，来攻击对于癌细胞具有特异性的抗原，即那些能够诱导免疫应答的分子。目前，治愈癌症最有前途的方法之一是癌症免疫疗法，需要利用特定的抗体，来攻击癌细胞上的抗原。然而，人体内可以产生超过1000万抗体，每个抗体都由大约50个不同基因组合而成。
“如果我们能够将这些基因及其组合方式映射到数学向量中，那么就可以形成一张由抗体组成的‘元素周期表’，”张首晟教授表示：“这样一来，如果你发现一种抗体对某种抗原有效，但是却因自身毒性无法作为免疫疗法的抗体进行使用，这时就可以利用抗体的‘元素周期表’寻找另外一种同样有效但毒性较低的抗体。”
参考资料：
[1] Stanford AI recreates chemistry’s periodic table of elements
