近日，好意思国耶鲁大学博士毕业生李昊特和互助者开垦了一套叫 MOSAIC 的 AI 系统，把化学合成常识分红了 2，498 个专科领域，每个领域熟谙一个群众模子。

这套系统在测试中对卓越 35 种全新化合物的合成奏服从达到了 71%，致使帮商议东说念主员完成了之前文件报说念失败的化学响应和前所未见的新响应。

使用时给定 AI 一个化学结响应式，它不光告诉你这物资形态，还径直给你一份不错进现实室操作的明慧神情，包括用什么试剂、加若干量、加热多久、若何提纯，致使连每一步的珍惜事项都写好了。日前，关系论文发表于《天然》。

图 | 李昊特（起首：https://scholar.google.com/citations?user=nXimADQAAAAJhl=en）

这项商议的起点，来自于商议东说念主员对化学学科近况的不雅察。化学是一门以现实为基础、告戒性极强的学科。东说念主们学到的常识和手段大多来自前东说念主的积蓄，这原本是功德，但问题在于，今天每年有上百万篇化学论文发表，莫得任何一个化学家能读完总共文件，更无须说记取其中的细节了。

化学浸透在生计的方方面面，从制药、材料、催化到农业和耗尽品，新药物的开垦、新材料的合成都需要无数的试错。

一个有机化学响应的优化时常波及多个参数：溶剂、浓度、响应递次、时间、温度弧线，况兼这些参数还会相互影响。探索一个新响应，芜俚需要无数的时间参预和试错本钱。

在这么的布景下，商议东说念主员想作念一个系统：输入一个看法分子，系统不仅告诉你能不可合成，还能给出不错径直进现实室操作的明慧神情。

关系词，通用大模子天然能聊天，但你要让它给出一个具体化学响应的现实神情，它芜俚说得卯不合榫。它会用看起来很专科的术语假造一套决策，温度不合、试剂不合、递次也不合，按照它说的去作念很可能什么都得不到，致使炸掉响应瓶。

MOSAIC 的作念法例是把总共化学合成常识空间分割成 2，498 个小区域，每个区域选一个群众。比如某个群众挑升认真一种叫 Buchwald-Hartwig 的偶联响应，尤其是氯代芳醇环的那种。

当你输入一个新的化学响适时，系统先在常识空间里找到离它最近的群众，然后让这个群众往来话。

为了判断哪个群众离得近，商议东说念主员先熟谙了一个叫 KMN 的神经集聚。这个集聚能把化学响应滚动成 128 维的数字向量，专科上叫响应特异性指纹。向量之间的距离越近，牛牛游戏中国2026世界杯官网讲明两个响应越相通。

有了这个空间，他们用了一个叫 FAISS 的高效检索器具，把常识库聚类成 2，498 个沃罗诺伊单位，每个单位等于一个群众的土地。

熟谙的时候，先让一个基础模子把所罕有据都学一遍，再针对每个群众所在的子集作念二次微调。对一个新响应作念权衡时，系统先算出它的向量，找到最近的几个沃罗诺伊单位，激活对应的群众，然后让群众输出齐备的现实决策。

商议东说念主员当先尝试了熟谙一个齐备的大模子，但很快默契到需要的辩论资源太大了，几百上千张 GPU 卡，大多数现实室无法永恒测试。

其后他们调遣念念路，从最基础的作念起，只把模子在单个类型响应上微调。限定发现，浅薄的办法反而获得了好的限定。

传统方法需要几百上千张 GPU 卡，MOSAIC 只需要几张卡就能跑，况兼是可捏续滋长的。新数据来了不需要再行熟谙总共系统，只需要在常识空间里加新的沃罗诺伊单位，熟谙新的群众，斗鱼体育app依然存在的群众不受影响。

搜索的时候系统会同期从已有和新索引里找限定，褪色列序后输出。这种去中心化的瞎想对资源有限的学术现实室绝顶友好。对大多数商议者来说，用单个或几个 A100 GPU 就能让这个架构捏续高出。

商议东说念主员用 MOSAIC 权衡了 37 种新化合物的合成路子，其中有 35 种在第一次尝试时就奏效了。更让东说念主或然的是一个 5-氮杂吲哚繁衍物的合成，这类化合物在之前文件报说念中被标注为是难以用现存方法制备的。

而 MOSAIC 给出的权衡距离最近的群众中心距离是 320，远高于芜俚的置信阈值 150，这意味着这个响应在常识库里险些找不到左近的前例。

关联词，商议东说念主员统统按照权衡作念了现实并奏效杀青了家具，同期 MOSAIC 找到了一个之前未被报说念过的环化方法。这讲明这套系统不单是照搬已有常识，它有一定的泛化才略，能在已有常识的边际组合出新的方法。

商议东说念主员强调，最重要的现实限定就来自于这种全新机理的响应权衡。只是统统参照模子给出的权衡，他们就获得了现实上的奏效，况兼让之前已报说念过的交流底物上失败案例得以杀青。论文审稿东说念主对这小数也讴歌有加，觉得全新响应的立异是本次论文的一大亮点。

他们还发现了一个很有景仰的功令，他们把总共合成尝试的限定和权衡的置信度作念了对比。当权衡距离小于 100 时，现实奏服从卓越 75%。当距离大于 200 时，奏服从降到 50% 独揽。

这个置信度辩论成了现实优先级排序的灵验器具，高置信度的响应不错果敢尝试，低置信度的响应值得探索但也需要留更多容错空间。

论文审稿东说念主绝顶招供这个真实度辩论，觉得它弥补了一个永恒存在的瓶颈，往时只须群众才智评估大模子权衡的是非，面前有了一个可量化的辩论。

在权衡试剂和溶剂时，单次权衡的精准匹配率只须 22.4% 和 29.8%，但淌若让三个群众总共投票，精准匹配率险些翻倍到 43% 和 32.8%，部分匹配的奏服从更是达到了 94.8%，这讲明都集多个群众的意见能大幅提高权衡可靠性。

李昊特告诉 DeepTech，这项商议刚运行的时候，有共同作家一度怀疑它的价值，原理是依然有像 Chemcrow 这么的架构，径直通过给 GPT-4 谈话请示的样式完成一系列化学操作，看起来依然涵盖了商议看法。

但团队里有东说念主从不同视角不雅察，发现贸易模子本人存在遮蔽的短处，对化学的剖析还有绝顶大的提高空间。商议东说念主员通过现实数据解说了这小数，这个插曲让团队真切体会到寥寂念念考的重要性，不可因为存在可行决策，就住手寻找更好的方法。

天然 MOSAIC 不错以较高概率处分骨子化学问题，但模子面前还不可解释我方的权衡。可解释性是现时商议的重心，商议东说念主员但愿下一步的模子不仅能给出高奏服从的决策，还能说了了为什么选拔这个条目、为什么这个响应能奏效，而这亦然真实让 AI 剖析化学的错误一步。

商议东说念主员觉得这项时刻在药物合成、材料发现等所在有着优秀的滚动远景。MOSAIC 最径直的期骗等于全自动机器合成平台，它不错生成高奏服从的现实决策，然后径直交给机器东说念主平台去引申，用来探索新药物、新材料。

另外，MOSAIC 不错和现存的大型化学搜索平台，比如 Reaxys 和 SciFinder 联接起来。往时在这些平台上搜索一个响应，可能会复返比比皆是条相通的文件，让东说念主无从下手，MOSAIC 不错把这些限定整理成最少、最径直可用的决策。

在现实室里时间是最贵的本钱，MOSAIC 旨在匡助化学领域的商议东说念主员快速筛选有但愿的现实所在，把搜索比比皆是篇文件的时间缩到几分钟。

面前，商议东说念主员依然将 MOSAIC 开源，是以感景仰的东说念主士均可使用。

参考费力：

关系论文 https://doi.org/10.1038/s41586-026-10131-4

运营/排版：何晨龙

注：封面/首图由 AI 缓助生成斗鱼体育app中国官网下载