AI让化学家只需描述就能设计分子
瑞士洛桑联邦理工学院（EPFL）的研究人员开发出Synthegy系统，化学家可使用自然语言指导合成与反应规划。该系统结合大型语言模型与传统算法，对最佳路径进行评分并解释理由。双盲研究中，36位化学家对系统结果的同意率达71.2%。
在化学领域，设计新分子是一项极具挑战的任务，无论是开发救命药物还是创造尖端材料，每个化合物都需要通过精心设计的一系列反应来构建。传统的逆向合成分析要求化学家从目标分子出发，逆向推导出简单的起始原料和可能的反应路径，这需要深厚的专业知识和战略思维。然而，瑞士洛桑联邦理工学院（EPFL）的Philippe Schwaller团队开发了一种名为Synthegy的新型AI系统，彻底改变了这一过程。
Synthegy的核心创新在于将大型语言模型（LLM）作为化学推理工具。与以往直接生成化学结构的AI不同，Synthegy的LLM充当评估者，引导现有计算系统。该系统结合了传统搜索算法和能够理解自然语言化学策略的AI。化学家只需用日常语言描述目标，例如“尽早形成特定环”或“避免不必要的保护基”，标准逆向合成软件就会生成大量可能路径。随后，每条路径被转换为文本，由语言模型进行审查和评分，并解释其推理过程。这使得化学家能够快速聚焦于符合其策略的最佳路线。
除了逆向合成，Synthegy还应用于反应机理分析。它将反应分解为基本的电子运动，探索不同可能性，并利用语言模型评估每一步，引导搜索走向化学上合理的路径。系统还可以整合反应条件或专家假设等额外信息，允许研究人员细化分析并探索更现实的场景。
在性能验证中，Synthegy在合成规划方面表现突出。一项双盲研究涉及36位化学家，他们提供了368项有效评估，其评判与系统结果的平均一致率达到71.2%。系统能够标记不必要的保护步骤，判断反应的可行性，并优先选择高效方案。研究还发现，较大的语言模型表现最佳，而较小的模型能力有限。
这项研究展示了AI在化学中的全新角色。Synthegy并非取代人类决策，而是将语言模型定位为引导者，帮助解释和完善计算结果。化学家可以用自然语言描述目标，并获得反映其策略的解决方案。该方法有望加速药物发现、改进反应设计，并使先进工具更易被科学家获取。
研究人员强调，合成规划与机理之间的连接令人兴奋，因为人们通常利用机理发现新反应，从而合成新分子。Synthegy通过统一的自然语言界面，在计算上弥合了这一差距。未来，这一系统可能成为化学家日常工作中不可或缺的助手。