藥物發現是生物學、化學、醫學、藥學等基礎研究與工業轉化的重要窗口。近年來，AI技術的發展，為高投入、高失敗率的制藥行業帶來了全新機遇，或將徹底改變傳統制藥的研究范式。為了幫助更多人了解并掌握這一前沿技術，百度飛槳聯合清華大學藥學院副教授田博學共同推出了一門新課程《AI制藥方法與實踐》。

本課程針對AI制藥這一領域的基礎與前沿問題，深入學習制藥相關的AI算法，融合化學、生物學、醫學、藥學、數學與計算機等多個學科，引導學生進行學科交叉，并提高解決實際問題的能力。同時，本課程也將討論AI制藥技術的發展趨勢以及應用，并結合實際案例鍛煉學生自主解決實際問題的能力。

主講老師

學習收獲

• 學習人工智能在藥學應用的案例，理解數據驅動的建模方法：本課程的目標是使學生通過學習人工智能在藥學應用的案例（包括計算機實驗課程），理解數據驅動的建模方法。

• 具備利用已有數據優化實驗的能力，探索更經濟的實驗方案：結合自身專業背景（如生物學、化學、醫學、藥學等），針對特定科學問題（如化合物性質預測，藥物設計，實驗條件優化等），具備利用已有數據預測和優化實驗的能力，探索更經濟的實驗方案來完成研究生期間的科學課題。

• 制藥相關的數據類型以及編程方法：本課程將簡單回顧線性代數與概率論的基本知識，討論制藥相關的數據類型（包括小分子、蛋白、組學數據等）以及編程方法，深入分析當前主流的AI算法包括Transformer、GNN等方法。

• 探討AI制藥趨勢，完成AI制藥相關的項目：本課程將討論AI制藥技術的發展趨勢以及應用，并結合實際案例鍛煉學生自主解決實際問題的能力。

課程設置及大綱

理論課一般在前半部分講述AI相關內容，后半部分講述制藥相關內容；實踐課主要是學生自主完成實驗或者比賽內容。基礎篇主要是介紹機器學習、深度學習和制藥相關的概念，方法篇重點講解序列模型（RNN、Transformer、BERT、GPT等）和圖模型（GCN、GAT、MPNN等）。注意：傳統的機器學習方法（如SVM、XGBoost等），以及深度學習中的卷積神經網絡（CNN）在本課程中所占比例較低，感興趣的學生需要自學。

面向人群：本課程適用于生物學、化學、藥學、醫學等相關專業零AI基礎的學生，至少學過一門計算機語言，對于數學、計算機等專業的學生來說，內容較為簡單。同時由于學科交叉，學習本課程需要先打破對自己的束縛，足夠自信。

課程已上線飛槳星河社區，掃碼立即學習。

在這個科技日新月異的時代，掌握AI制藥技術將成為制藥行業從業人員的核心競爭力。通過本課程的學習，學員將全面掌握AI制藥的前沿技術和應用方法，為推動制藥行業的創新發展做出貢獻。歡迎大家加入我們！

關注【飛槳PaddlePaddle】公眾號

獲取更多技術內容~

?