人工智能帮化学家“画”出想要的分子

本文介绍了一种名为Synthegy的新型人工智能化学推理框架。传统逆合成分析需从目标分子反向推导起始原料和反应路径，涉及大量策略性判断（如何时构建环状结构、是否需要保护敏感官能团），而现有计算机虽能遍历海量化学空间，却缺乏资深化学家的经验直觉；同样，反应机理研究依赖对电子转移步骤的精准理解，这对预测新反应、提升效率至关重要，但当前计算工具常难以区分理论可行与实际可行的路径。Synthegy不直接生成分子结构，而是将大语言模型（LLM）作为‘智能评估员’，与传统搜索算法协同工作：化学家只需用自然语言输入简单要求（例如‘优先形成六元环’或‘避免引入保护基’），系统便自动将软件生成的多种逆合成路径转为文本，由语言模型逐条评估其与指令的匹配度，并给出通俗解释和评分，从而快速筛选出最符合科研意图的方案。在反应机理层面，Synthegy将反应拆解为基本电子运动单元，结合文本形式的实验条件或专家假设，引导搜索更符合化学常识的路径。经36位化学家参与的双盲验证（共368次独立评估），系统结果与人类专家判断一致率达71.2%；它还能识别冗余保护步骤、评估反应可行性、优先推荐高效路线，并证明大语言模型可同时胜任从官能团识别到整条合成路线评价等多层级任务——模型越大，表现越优。该方法不替代化学家决策，而是充当‘人机协作桥梁’：让化学家用母语表达思路，AI则将其转化为可计算、可验证的化学逻辑，有望加速药物研发、优化反应设计，并降低先进计算工具的使用门槛。研究者强调，Synthegy首次通过统一的自然语言接口，把合成规划与机理理解这两个长期分离的化学核心环节真正连接起来。