據公安部新聞中心，公安部治安管理局官方微博：“禁毒民警是公安隊伍里最危險、犧牲最多的警種之一，2017 年以來全國有 30 余名禁毒民警犧牲、60 余名禁毒民警負傷。與毒販交鋒中，受傷、流血是家常便飯，這些傷痕，成為一道道無法抹去的‘勛章’?！?/p>

近日，正在國外讀博的南京青年汪飛，聯合團隊成員研發出一款新方法，只需利用質譜，即可獲得未知新型精神藥物即人造毒品的化學結構。

11 月 15 日，相關論文以《一個深入的生成模型可以自動闡明新的精神活性物質的結構》（A deep generative model enables automated structure elucidation of novel psychoactive substances）為題發表在Nature Machine Intelligence上。

這是一種自動化、生成式的機器學習方法，了解人造毒品的化學結構后，即可幫助相關人員更快識別出疑似人造毒品。

據悉，全球每年有大量新型精神藥物在非法市場上冒出來，它們往往會帶來和已知非法藥物相似的精神效果。但是，鑒于這些物質的合成方式不同，因此其化學表現也有所不同。

正因此，它們多數不在現有毒品法規的管轄范圍之內，從而導致很難被偵測。通常，人造毒品的檢測由相關法醫實驗室完成，檢測時一般是從被查封藥片或粉末中采樣，并使用質譜分析法進行識別。

這并不是一件容易事，要想弄清楚一款全新人造毒品的結構，化學專家們往往需要持續數周甚至數月的埋頭工作，并且還得借助其他類型的實驗技術。

研究中，汪飛和團隊，從世界各地的法醫實驗室眾包的保密數據中，訓練出這款機器學習模型，它能從結構和性質上生成和近期人造毒品相似的分子。

該研究主要針對一類叫做 NPS（novel psychoactive substances）的藥品，也就是新型精神藥品。這類新型精神藥品通常由“街頭化學家”所創造，它們和大麻、海洛因等毒品一樣，都具有致幻效果。為了逃避法律的制裁，新型精神藥品的化學結構通常不為人所知。

當前，執法部門和醫療部門存在的痛點，是如何去檢測它們。比如執法部門在機場截獲一批粉末，需要知道這是什么，或者醫療部門今天有一個服用過量的病人，那就需要知道病人到底服用了什么。

該問題的難點在于，首先要知道它可能是什么？以及它可能的結構是什么。目前，要想獲取結構比較常見的實驗室手段有 2 個：一個是通過核磁共振（NMR）；另外是通過質譜（MS）。

也就是當獲取樣本之后，要先得到它的核磁共振圖譜或者質譜圖，拿到圖譜之后去一個數據庫里做對比。如果數據庫里有現成數據，即可知道需要檢測的樣本是什么。

但是在大家從未見過該物質的結構的情況下，很難確認它是什么。而該研究主要是使用深度學習的方法來研究檢測新型精神藥品。

研究中該團隊用大約 1700 多個新型致幻劑的結構訓練了化學語言模型模型(DarkNPS)。這個模型使用SMILES（multiple simplified molecular-input line-entry system）文本來表示分子結構。

從概念上來看，這模型非常類似 OpenAI 的 GPT-3，只不過 GPT-3 的輸入是人類語言文本，而該模型的輸入是一個分子的文本表達。這個模型可以生成大量的分子表達文本。通過改模型他們獲得了大約 10 億個不同的輸出。由于分子的 SMILES 可以是重復的。

即同樣的分子結構可有不同的文本表達，再去除了不合格的表達式之后，最終得出 890 萬個的潛在新型精神藥品的分子結構。接下來，該團隊使用了一個現有的質譜預測模型（CFM-ID，給每一個分子結構計算了 MS / MS 質譜。在測試種該系統實現 68 % 的 Top-3 檢測準確率。

為了進一步驗證該系統的檢測能力，該團隊和歐洲的檢測機構進行了合作，后者提供了一些今年剛剛收集到的樣本。在這些樣本里面，他們檢測到了一個之前尚未被發現的新型毒品（DMXE）。

汪飛表示，毒品檢測的功能是該成果目前的主要可行應用，它已經被包括美國緝毒局、德國聯邦警察還有歐洲的一些執法機構使用。

此外，將人工智能的分子生成結構的模型和質譜生成的模型組合在一起使用的方法它會對于小分子識別，尤其生物檢測樣本提供一個新的思路。

另外一些比較有意思的應用前景可能包括檢測興奮劑，相同的方法也可用在醫療相關的一些檢測項目上面。而對于生成模型本身，它可以用在藥物研發、以及檢測環境污染物上。

汪飛回憶自己的研究方側重于為化學和分子生物學提供更適用的機器學習方法。在他就讀的阿爾伯塔大學（University of Alberta），他在碩士研究生第二年開始去選擇導師做課題。開始他其實對強化學習更感興趣的，但在當時該方向的競爭比較激烈，很多厲害的導師都沒有名額。

有一天他遇到了現在的導師，然后他問導師：“您這有什么有意思的項目嗎？”

他導師看著他并問了一句：“你覺得去把分子炸掉這件事情你喜不喜歡？”

他非常強調的是把它給爆破掉這么一個動作，汪飛當時覺得非常有意思，想都沒想就答應了。他認為，至少把分子炸成碎片，聽起來比做其他研究好玩很多。

更有意思的一件事情，就是在本次研究中，他和團隊其實是先把分子用一個一個原子給它拼裝了起來，之后再把它給炸掉（質譜）。

本科時，汪飛在在美國和加拿大邊境的一個學校讀本科，當時讀的是計算機專業。學校非常的小，但是它的機會非常多，本科時他就使用人工機器學習做數學公式的識別。

汪飛回憶稱，那會大家還在使用支撐向量機（support vector machine, SVM），深度學習在當時還沒有現在這么流行。

本科畢業之后，他去做了幾年電子游戲的開發。

但是游戲開發本身是一個挺枯燥的過程，因為總是在重復做一樣的事情。所以，后來他決定繼續深造，目前，他已經拿到了碩士學位，現在在開展博士課題的研究，并打算在該成果的基礎之上繼續做研究。