麻省理工学院（MIT）化学工程与电气计算机科学系副教授康纳·科利致力于利用人工智能构建理解化学原理的模型，以加速新药研发。面对估计高达 10 的 20 次方至 10 的 60 次方种潜在小分子化合物，传统实验筛选耗时过长，科利通过开发计算模型来快速识别、设计新化合物并预测反应路径。 科利的学术背景横跨化学工程与计算机科学。他在加州理工学院本科期间接触了蛋白质结构解析，随后在 MIT 攻读博士期间，将机器学习与化学信息学结合，优化自动化化学反应，并参与 DARPA 资助的“制造”项目。2020 年全职回归 MIT 后，科利建立了实验室，旨在利用 AI 不仅合成现有治疗分子，更设计具有理想特性的全新分子。 他的研究团队开发了一系列创新模型。其中，ShEPhERD 模型通过分析药物分子的三维形状，评估其与靶标蛋白的相互作用，目前已被制药公司用于新药发现。另一项目 FlowER 则是生成式 AI 模型，用于预测化学反应产物。该模型的核心突破在于内嵌了质量守恒等基本物理原理，并强制模型考量反应中间步骤的可行性，从而显著提高了预测精度。科利强调，传统化学模型往往缺乏对反应机制的深刻理解，而他们的目标是让机器学习模型像资深化学家一样，具备化学直觉和机理认知。 此外，科利团队还涉足计算机辅助结构解析、实验室自动化及实验优化等多个领域。通过这些多元研究，科利希望推动人工智能在化学领域的边界，为药物开发提供更高效、精准的解决方案。