2017年化学领域重要成果回顾化学领域著名的媒体《化学化工新闻》在其2017年的最后一期刊物中评选出了当年化学领域重要的研究成果。笔者现将这些研究进展编译如下，以供有兴趣的读者参考。计算化学越过新的里程碑计算机一直是化学家们不可或缺的好帮手，而在刚刚过去的一年，计算机对于化学研究的重要作用进一步凸显。其中一个值得关注的领域是机器学习在化学研究中的应用。机器学习是人工智能的一个重要分支，它使得计算机程序能够超越简单的编程设定，具备学习的能力。在2017年，多个研究小组报道了机器学习在化学研究中的应用。例如来自美国华盛顿大学的DavidBaker等人利用机器学习确定了600多种蛋白质的结构[1]。来自美国洛克菲勒大学、IBM公司等机构的研究人员利用机器学习成功预测了化合物的气味[2]。来自美国和德国的研究人员则通过机器学习，无需复杂的计算就可以预测化合物的电子结构[3]。2017年另一个值得关注的计算化学领域是量子计算机。由于原理有别于传统的电子计算机，量子计算机被认为有望解决现有方法难以胜任的一些问题。虽然量子计算机仍然处于较为初级的研发阶段，来自世界各地的研究人员仍然取得了许多进展。例如来自IBM的科学家们利用由7个量子位元组成的量子计算机计算了氢化锂和氢化铍的能级结构[4]。此前类似的计算仅仅局限于含有氢或者氦的分子，因此此次的研究无疑将量子计算机向前推动了一大步。来自IBM的研究人员使用的含有7个量子位元（图中深色方块）的处理器电合成为化学家带来帮助在化学合成中，电流是一个非常重要的工具，常常能够帮助实现其它条件下难以顺利进行的化学反应。尽管有着这样的优势，电合成此前并不大为化学家们所重视。但在2017年，这种状况开始发生变化。一个典型的例子是德国美茵茨大学的SiegfriedR.Waldvogel教授与赢创工业(EvonikIndustries)合作，开发出一步合成二元醇、二元胺等重要化工原料的电合成技术[5]。Waldvogel教授此前曾与实验仪器设备生产商IKA合作，推出供实验室使用的电合成系统ElectraSynFlo在2017年，美国斯克里普斯研究所的PhilS.Baran又帮助IKA对这一系统进行了升级。在未来，化学合成面临的一大挑战是如何以更加经济、安全、环保的方法合成结构更加复杂的分子。电合成无疑将为化学家们提供很好的帮助。振奋人心的酶催化领域作为天然存在的催化剂，酶一直是化学、食品、生物技术等工业关注的重点，也是化学研究的前沿领域之一。据《化学化工新闻》统计，在刚刚过去的2017年，几乎每一期刊物中都会涉及与酶相关的研究进展。因此，酶催化领域的新发现当之无愧地成为2017年化学领域重要进展之一。在众多的研究中，《化学化工新闻》列举了其中几项有代表性的工作：苯环的烷基化是非常重要的化学反应。1877年，法国化学家查尔斯·傅里德和美国化学家詹姆斯·克拉夫茨发现卤代烷在路易斯酸催化下能够实现苯环的烷基化，这就是有机化学中著名的傅-克反应。在2017年，美国哈佛大学EmilyBalskus教授带领的研究团队发现蓝菌中的一种酶也可以实现类似的烷基化反应[6]。目前他们正在测定这种酶的结构，希望能够对这种酶进行进一步的改造以扩大其应用范围。将烯烃氧化为醛也是一类重要的有机化学反应，但目前能够催化这一反应的酶大多存在效率低或者立体构型选择性差等缺点。为了寻找性能更加卓越的催化剂，来自美国加州理工学院的FrancesH.Arnold等研究人员利用被称为“定向进化”（directedevolution）的方法，模拟蛋白质在自然选择作用下不断进化的过程，对一种名为P450LA1的酶进行了改造。这种酶本来的功能是将烯烃氧化为环氧化物，但发生变异后，能够较好地完成将烯烃氧化为醛的反应[7]。来自法国原子能和替代能源委员会的研究人员在微生物藻类中发现了一种新的酶。这种酶能够利用光能将脂肪酸中的羧酸基团移除，从而得到脂肪族烃类。这种新发现的酶或许可以在未来的化工生产中派上用场[8]。流动化学合成应用于药物生产一条龙式的流动化学合成经常用于大宗化学品的合成，但药物活性成分的合成由于工艺复杂、需求量少等原因，长期以来使用的是更加费时费力的批次合成。但近些年来，随着流动化学合成设备的小型化，这...