用人工智能助力集体智慧合成化学物质

科学文献的指数级增长给各学科带来了日益严峻的挑战。每年有数十万种新的化学反应被报道，但将它们转化为可操作的实验却成为一大障碍。近年来，大型语言模型（LLMs）的应用显示出潜力，但能够可靠地应用于全新化合物多样化转化的系统仍然难以实现。在此，我们介绍MOSAIC（人工智能辅助化学预测的多优化专家系统），这是一个计算框架，能让化学家利用数百万个反应方案的集体知识。MOSAIC基于Llama-3.1-8B-instruct架构构建，在沃罗诺伊聚类空间内训练了2498名专业化学专家。这种方法可为复杂合成提供具有置信度指标的可重复、可执行实验方案。实验验证显示，其总体成功率达71%，成功合成了35种以上的新型化合物，涵盖制药、材料、农用化学品和化妆品等领域。值得注意的是，MOSAIC还能发现专家训练数据中未包含的新反应方法，这是推动化学合成发展的基石。这种将广阔领域划分为可搜索专家区域的可扩展范式，为人工智能辅助发现提供了一种通用策略，适用于信息增长速度超过知识高效获取与应用速度的任何场景。