详细内容或原文请订阅后点击阅览
科学家教人工智能像专业化学家一样思考
研究人员开发了一个将化学策略解释为语言的框架，为人工智能辅助发现开辟了新路径。设计分子是化学中最困难的任务之一。无论是创造新药还是先进材料，每种化合物都必须通过精心计划的反应序列来构建。规划出这些步骤需要深入的 [...]
来源:SciTech日报研究人员开发了一个将化学策略解释为语言的框架，为人工智能辅助发现开辟了新路径。
设计分子是化学中最困难的任务之一。无论是创造新药还是先进材料，每种化合物都必须通过精心计划的反应序列来构建。制定这些步骤需要深厚的技术知识和战略思维，这就是化学家经常花费数年时间来发展这种专业知识的原因。
这一过程面临两大挑战。第一个是逆合成，化学家从所需的分子开始，然后逆向合成，以确定更简单的起始材料和可能的反应路线。这涉及许多决策，例如何时形成环或如何处理敏感官能团。尽管计算机可以搜索广阔的“化学空间”，但在经验丰富的化学家所应用的战略判断方面，它们常常达不到要求。
第二个挑战涉及反应机制，它解释了反应如何通过电子的运动逐步进行。了解这些机制使科学家能够预测新的反应、提高效率并减少昂贵的试错。虽然当前的计算工具可以生成许多可能的路径，但它们通常缺乏确定哪些路径最现实所需的直觉。
语言模型在化学中的新角色
由 EPFL 的 Philippe Schwaller 领导的研究团队推出了一种不同的方法，该方法使用大型语言模型 (LLM) 作为化学推理工具。这些模型不是直接生成化学结构，而是用于评估和指导现有的计算方法。
该系统名为 Synthegy，将传统搜索算法与人工智能相结合，可以解释用自然语言编写的化学策略。
了解反应机制
桥接策略和机制
DOI：10.1016/j.chembiol.2026.03.017
在 Google 和 Google 新闻上关注我们。