近日，由腾讯量子实验室主办的腾讯炼金术大赛圆满落幕。
经过近5个月的激烈角逐，3支队伍从100多支参赛队伍中脱颖而出。
一等奖由南京大学化学化工学院刘子腾团队获得。
从社交网络上的产品推荐到日常生活中的个人语音助手，人工智能技术正在深刻改变人们的生活。
为了进一步探索人工智能技术对基础科学的推动作用，特别是在量子相关任务中的应用，腾讯量子实验室主办了腾讯Alchemy大赛，并公开了自建的Alchemy数据库。
腾讯炼金大赛旨在探索算法的泛化性能，推动学术界和工业界对化学分子量子特性预测及其人工智能解决方案的关注。
参赛者需要利用机器学习工具代替经典量子模拟算法中薛定谔方程的求解过程，来估计分子的12种量子力学性质。
三支队伍荣获竞赛奖项，腾讯量子实验室提供精准的分子3D结构。
本次大赛吸引了来自世界各地的百余支队伍参赛，成功激发了不同领域人才的创新合作，推动了分子科学与应用的加速发展。
其中，三支队伍获奖。
一等奖由南京大学化学化工学院刘子腾团队获得；澳大利亚纽卡斯尔大学李新宇获得本次比赛二等奖；三等奖由慕尼黑工业大学的Janek Gro?获得。
在这些获奖算法中，我们可以看到人工智能领域的图模型算法与量子化学领域的专家知识的深度融合。
基于他们在量子化学领域的多年经验，前两个获胜团队提出了可有效估计分子定量特性的新特征。
第三位选手利用传统量子化学领域的能量模型重构了经典的图神经网络算法。
值得注意的是，在本次竞赛中，腾讯量子实验室提供了分子的精确3D结构，即分子内原子之间的距离（键长）的准确信息。
然而，在估计分子生化性质的实际任务中，例如估计药物分子的ADMET性质，由于药物分子通常很大，计算其精确的3D结构需要大量的计算能力，这也限制了该方法的广泛应用。
MPNN 算法。
因此，如何高效地将图模型应用于药物分子的虚拟筛选和改进还有很长的路要走。
腾讯量子实验室自建数据库，加速AI化学和医药领域发展。
本次比赛中，腾讯量子实验室使用了近12万个分子数据作为比赛数据。
这些数据均属于其自建数据库——Alchemy，该数据库由腾讯量子实验室利用腾讯云超过10000个CUP Hours整理发布，包含超过20万个分子的定量特性。
此前，QM9是学术界使用最广泛的预测分子定量特性的数据库，总共包含13万个分子。
QM代表量子机制，9表示QM9中每个分子含有不超过9个重原子（重原子为非氢原子）。
由于量子模拟消耗大量计算能力，QM9提出后业界一直没有提出更大的分子数据库。
与 QM9 相比，Alchemy 数据库中的每个分子至少包含 9 个重原子，最多 12 个重原子。
Alchemy这一包含更大分子和更丰富结构的新型高质量数据库的出现，将极大加速AI化学和制药的发展。
未来，腾讯量子实验室将更加积极探索量子和人工智能技术在化学研究及其在医药材料等行业的潜在应用，进一步推动分子科学与应用的加速进步，助力整体生态成长和发展。
相关产业。
更多获奖算法及最新Alchemy数据信息，请访问腾讯量子实验室Alchemy大赛官网。