AI研发管理：

依靠数据大脑的神经网络模型、蒙特卡洛树模型，实现目标化合物的逆向合成，目标分子的实验收率优化提升；

实验管理：

以任务分配为驱动，对不同实验赋予不同用户查看权限；

自动计算配方成分用量，根据实验消耗进行成本核算；

实验偏差管理，对出现的偏差结果进行提醒。

产品管理：

建立企业研发数据库，根据产品类型、性能等相关属性分类汇总；产品与工艺路线权限分离，指定人员查看工艺路线，保证科研成果数据安全性

AI辅助研发——逆向合成

AI辅助研发——收率优化

依靠MAI-CLI神经网络模型和蒙特卡洛树搜索建立算法平台，实现有机化合物的逆向推导。

• 系统已涵括全球专利信息数据库和PubChem中的10亿分子式及合成路线使用时可直接在系统中进行检索，指导研发工作，提高研发效率

• 系统保存本公司所有的历史研发分子式，储备科研经验，提高研发核心竞争力。

依靠MAI-CLI贝叶斯算法，来预测不同原料配比下的不同实验收率

• 实验方案管理:从研发数据库中选择方案影响因素，比如实验方案涉及的配体、溶剂、底物、反应参数;AI根据各参与物的特性、历史实验数据、实验经验等因素推荐若干种实验方案

• AI实验交互算法:根据AI推荐的实验方案进行实验，将实验结果反馈至AI模型，通过人与算法模型交互式地推进实验过程，以尽可能少的实验次数找到理想的反应条件使反应收率最大化。

• 实验轮次管理:每轮实验方案、结果 收率记录跟踪，并将每轮实验收率趋势可视化。

产品管理：

• 系统中建立研发数据库，用于存储科研成果系统支持结构式相似性检索、子结构检索、超结构检索等多种高级检索方式。

• 支持多权限管理，精确到每个用户的新建、修改、查看、删除。

• 支持历史科研成果批量导入，一站式解决科研经验断层难题，实现科研经验的长期累积。