新能源·产业技术综合开发机构（NEDO）
合成路径AI让化学家回到实验中
合成路径AI缩短的不是化学家的实验时间，而是找到通往实验这一步之前的候选方案筛选时间。TS科技与奈良先端科学技术大学院大学在药品合成研究中，将工作量从64周·人减少到12周·人。如果预测的路径从实验到量产都能成立，开发实验室就能立即验证筛选出的反应。
要制造功能性化学品，首先必须确定组装分子的步骤，也就是合成路径。如今，研究人员需要在文献、经验、计算工具和实验之间来回切换，逐一比较大量候选方案。仅仅寻找候选方案就会耗费大量时间和人力，确定将药品和电子材料制成产品所需的时间，以及能够在工厂稳定生产的条件，也成为沉重负担。
找到路径也不一定能做成产品
即使化学反应的组合在理论上可行，实际工厂仍会面临其他问题。目标物质可能只能生成很少一部分，也可能混入其他物质。还必须确认能否买到原料、能否分离和提纯，以及能否安全使用设备。
量子化学计算是从原子的运动出发理解反应、预测反应发生可能性的一种手段。不过，它无法完全替代复杂的实验条件，也无法完全替代量产时的反应表现。即使路径搜索变快，实验、安全性和量产条件的确认仍然不可或缺。
用AI先筛选海量候选方案
在新能源·产业技术综合开发机构（NEDO）的项目中，TS科技与奈良先端科学技术大学院大学将知识数据库化AI、合成路线搜索AI、反应预测与验证AI，以及思考制造工艺大致设计的AI，与量子化学计算结合起来。该程序会根据目标，从海量合成路径方案中进行筛选和评估。
流程不再是由人阅读文献、手工比较候选方案后再进行实验，而是先让程序缩小候选范围，再由人从中验证有希望的反应。据称，研究团队已经用该程序提出的路径制造出药品，并验证了它有助于缩短开发周期。在药品合成研究中，工作量从64周·人减少到12周·人。
化学家回到实验和量产确认中
如果候选路径的搜索时间缩短，化学家就能使用烧瓶或小型连续装置，更快确认反应是否真的会发生、能否进行分离和提纯。他们也能将时间投入到仅凭屏幕无法决定的工作上，例如确认能否在工厂重现相同结果，以及能否安全生产。适用对象不仅是药品，也包括农药、香料、电子材料等功能性化学品。
在化学品企业的实验室中，与其花上数周在文献之间来回搜索，不如直接接收筛选后的路径，并从看起来最可能失败的条件开始进行实验。TS科技将从2026年9月30日起提供使用该程序的服务。不过，前提是预测的路径能够在实验、提纯和量产的所有环节成立，并且能够在许多开发现场得到使用。在药品领域，临床试验、监管审查和质量保证所需的时间仍会另外存在。
