根據我們項目經驗當前化學研發過程中，存在以下幾個行業痛點。

第一點是實驗結果難復現，很多情況下實驗結果會不穩定。同一個實驗，不同的人做，每個人的結果會有差異；而收益率最高的那個實驗結果，讓同一個人復現，可能復現的結果還是有差異。

第二點是實驗過程管理困難，大規模研發機構中研發人員會有幾百甚至成千上萬人，每個人掌握著各人的研發實驗記錄和實驗數據，而作為研發的經理，對資源的管理和整合比較困難。

第三點，研發所產生的數據和經驗，整合困難。不容易描述，會隨著人員的流失而流失。

第四點，研發所考慮的因素復雜，設計成本、供應鏈體系、生產安全等，同時各類文獻庫種類繁多，導致研發周期很長，并且檢索時難免會有遺漏。

國工智能發布了新一代在化工研發的人工智能解決方案，來解決上述問題。

在國工智能研發平臺中會規范整個研發過程。首先，委托單下達到研發機構或者企業的研發中心，在研發委托下達后，系統會分配一個帶有二維碼的的委托編號，這個二維碼中包含了研發項目所要用到的試劑、容器以及整個研發過程中所有的數據，整個研發過程通過這個二維碼就可以進行追溯。。第二步，近似性搜索，系統會自動檢索全球化合物庫和企業自身研發數據庫中的一些和所需化合物相類似的相關研發項目。簡單來說，就是實驗所用到的原材料和以前研發項目用到的原材料比較像，或者是分子結構特征相符，從而可以進行復用推薦。系統會將研發過程數據提取出來，進行推送，以此來減少研發時的重復成本投入。

但如果近似性搜索庫中沒有近似項，那么系統會調用逆向合成機器人，系統會逆向推導所需化合物的合成過程以及合成途徑中所引用的相關文獻，并會自動生成多條合成路徑，來擴展研發人員的研發思路。通過相應的路線和可參考的資料，企業可以進行人為干預的合成路線實驗設計和修正，同時人工智能算法會自動學習企業常用的化合物和合成習慣，從而可以將整個研發團隊的經驗進行數字化積累。

研發管理系統會分發研發任務到電子實驗記錄本，以及會自動調用相關的實驗輔助設計DOE的部分算法，如回歸算法、隨機森林，來完成整個實驗路線的輔助設計。系統會自動采集檢驗分析的相關的儀器如色譜、質譜，同時獲取實驗室的反應條件以及溫濕度的環境和相關試劑的批次信息，以用于后續實驗結果復現。最后經過結果審核，科研結果歸檔。經過歸檔之后，整個的數據流程會記錄到近似性搜索數據庫中，備于后續檢索。

研發項目的管理，涵蓋了科研項目管理的整個過程，里面包含了例如立項的論證，建議和審批，進度計劃和風險計劃，以及任務的分發，包括分配給每個研究員各自的實驗路線，實驗設計，實驗過程中所使用的試劑，同時也可以跟蹤實驗的進度。作為研發項目的經理，可以直接的了解項目整體的進度。

近似性搜索，系統自帶公開化合物信息庫里面幾億個已知分子結構，并融合企業自身的一些特殊化合物，將化合物信息歸集到企業本地的數據庫，從而實現數據的離線檢索和保存，能有效防止研發數據泄露。

在新一代的人工智能框架下，把目標化合物分子結構輸入系統，人工智能依賴于全球上百萬份的文獻數據，能自動完成未知化合物合成路線的推理和推導工作。人工智能平臺帶有自學習功能，初次給出的合成路線不一定完全是符合企業的研發特征，但是經過持續的自我訓練，系統會學習并模擬企業的研發習慣，用料習慣，從而系統生成的合成路線將會無限接近企業特點。

人工智能生成逆向合成路線，所用原料會優先從化合物商品庫中進行檢索，優先采用標準常用化合物進行和合成。

化合物正向合成推導，在進行合成路線設計時可以通過原料化合物來推導反應結果，從而減少合成風險。

自動提供提供相關參考文獻

整個研發輔助系統部署在企業本地，沒有外網傳輸，杜絕研發數據泄露。完成本地化部署以后，系統就開始不斷地搜集和學習所有研發人員的研發行為和研發習慣，自我學習自我更新。同時配合國工智能生產制造一體化解決方案，會把銷售、科研、生產、質檢平臺一體化，實現全產業鏈條的業務優化。

根據生產和質量數據，人工智能系統會直接計算最優的收益率，最優原材料配比，最優的反應時間、溫度并給出最優工藝參數建議。同時系統可以反向控制相關反應設備，形成優化閉環。

在國工智能制造平臺（MOM）包含了研發管理（DEV）、實驗室與質量管理系統（LIMS）這些系統均可以與實驗室設備進行聯動和互通，系統會自動抓取色譜，天平，PH計等實驗設備數據，來提高數據分析質量和實驗復現效率。

數據大腦擁有大量的算法封裝，除了人工智能算法也包括了SPC,CPK,DOE,六西格瑪等分析工具。滿足企業各種計算需求。

人工智能在輔助化學的研發過程中，存在著巨大的價值，

第一，系統能協同完成整個實驗的執行過程，所有的研發人員的研發過程都會在系統中進行顯示，項目進度能有效的管理。

第二，系統會控制整個研發過程的成本與周期，實時記錄和反饋人天和物料等成本消耗情況，離計劃目標完成的情況等，做到計劃可控。

第三，系統會將研發經驗進行儲備，歸結到一個AI模型中去，AI會自主對研發經驗進行整理和學習，從而減少了科研人員離職的風險。

第四，系統會充分挖掘海量研發數據中存在的價值。在研發過程中，企業會積累大量的研發數據、研發經驗，這些數據可以通過一些算法，將配方和工藝提取出來，通過AI系統進行再次優化。充分發揮了人工智能和機器學習的潛能。

第五，保證研發數據可追溯性，獲得準確可靠的分析成果。從研發項目在立項的開始就會形成一個的項目編碼，通過這個的編碼企業可以找到整個研發過程當中所有的數據。