靜岡大學與分子科學研究所(IMS)成功開發出一項演算法，能夠再現與預測實驗中無法觀測之「隱藏反應途徑」。研究團隊指出，由AI推導出的「潛在變數」可望有助於深化對化學反應本質的理解，並應用於有機分子材料的設計。在有機合成化學領域中，複雜反應系統往往存在無法直接透過實驗觀測的中間體或次要反應途徑。因此，化學家必須不斷反覆試驗，以掌握反應的完整全貌。在此背景下，靜岡大學研究團隊利用AI推導出的潛在變數，成功開發出能夠再現/預測隱藏反應途徑的演算法。
研究人員將此方法應用於「Perfluoro-iodinated Naphthalene類」化合物的合成反應。結果顯示，AI不僅能在尚未探索的反應條件下以高精度預測生成物的產收率，並能外插推導出實驗中無法直接觀察到的反應途徑。此外，研究團隊確認AI導出的潛在變數反映了分子的電子特徵，進一步證實AI能有助於對化學反應本質的理解。再者，根據AI預測的高產收率外插條件進行實際合成實驗之後，研究人員成功以超過90%的產收率獲得目標生成物。
研究團隊指出此次研究展示一種由AI補充化學家經驗與知識，以協助有機合成的新研究模式。透過化學地解釋AI所提出的潛在變數，得以理解反應中的電子因素，並進一步應用於分子設計。未來此項方法亦可望拓展至觸媒反應、有機半導體合成等更複雜的反應系統。