从零设计分子:AI成为化学合成的“战略大脑”
从头设计分子是化学领域最困难的问题之一。这不仅仅是知道连接哪些原子,更重要的是理解正确的反应顺序、何时保护分子中的敏感部分,以及如何避免导致数月实验工作付之东流的研究死胡同。
传统上,这些知识存在于经验丰富的化学家脑海中。如今,一支研究团队正试图将其注入语言模型。
由Philippe Schwaller领导的研究团队本周发表论文,介绍了名为Synthegy的框架。该框架将大型语言模型作为化学合成规划的推理引擎。其核心见解微妙而重要:并非让AI直接生成分子,而是利用AI来评估传统软件已生成的合成路线。
工作原理:从指令到最优路线
操作流程如下:化学家用简单英语输入目标,例如“在早期阶段形成嘧啶环”。现有的逆合成软件(通过将目标分子分解为更简单的片段来工作)随后生成数十甚至数百条可能的合成路线。
Synthegy将每条路线转换为文本,交由大型语言模型处理。模型根据路线与化学家指令的匹配程度进行评分,最优路线将脱颖而出,并附有解释其优势的书面说明。
该研究的第一作者Andres M. Bran表示:“在为化学家开发工具时,用户界面至关重要。以往的工具依赖繁琐的过滤器和规则。”
验证与表现:媲美专家共识
该系统通过双盲研究得到验证,36位独立化学家评审了368对路线。他们的选择与Synthegy的推荐在71.2%的情况下一致,这个数字与专家化学家彼此间的共识率大致相当。资深研究者(教授和科研人员)比博士生更频繁地同意Synthegy的判断,表明系统捕捉到了伴随经验而来的战略直觉。
技术架构:模块化与开放性
研究团队测试了多种AI模型。AI在药物研发领域的应用已持续多年,但大多数方法专注于针对特定任务进行窄域训练。Synthegy采用模块化设计——后端可接入任何逆合成引擎,推理端则可兼容任何高性能大型语言模型。在基准测试中,Gemini-2.5-pro得分最高,而DeepSeek-r1作为强大的开源替代方案,能够本地运行。
该框架还解决了第二个问题:反应机理阐释。通过将反应分解为基本步骤,并让语言模型评估每个候选步骤的化学合理性,在亲核取代等简单反应中,最佳模型实现了近乎完美的准确度。
应用前景与当前局限
其潜在应用范围广泛。药物研发是显而易见的领域,但同样适用于化学家需要设计新材料或优化工业反应的任何场景。一个实用细节是:用Synthegy评估60条候选路线大约需要12分钟,API费用约为2-3美元。
论文也指出了当前局限:语言模型有时会误读文本表示中的反应方向,导致可行性判断错误;较小模型的性能不优于随机猜测;超过20步的路线难以连贯跟踪。

交易所
交易所排行榜
24小时成交排行榜
人气排行榜
交易所比特币余额
交易所资产透明度证明
去中心化交易所
资金费率
资金费率热力图
爆仓数据
清算最大痛点
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
ETF追踪
索拉纳ETF
瑞波币ETF
香港ETF
比特币持币公司
加密资产反转
以太坊储备
HyperLiquid钱包分析
Hyperliquid鲸鱼监控
大额转账
链上异动
比特币回报率
稳定币市值
期权分析
新闻
文章
财经日历
专题
钱包
合约计算器
账号安全
资讯收藏
自选币种
我的关注