Wissenschaftler trainieren KI, wie ein professioneller Chemiker zu denken

Einordnung fuer Autofahrer

„Bei der Entwicklung für Chemiker ist die Benutzeroberfläche sehr wichtig, und frühere Werkzeuge verließen sich auf umständliche Filter und Regeln“, sagt Andres M Bran, der erste Autor des Papers zu Synthegy, das in Matter veröffentlicht wurde.

„Mit Synthegy geben wir Chemikern die Möglichkeit, einfach nur zu sprechen, was es ihnen ermöglicht, viel schneller zu iterieren und komplexere synthetische Ideen zu durchlaufen.“ Synthegy beginnt mit einem Zielmolekül und einer Anweisung in natürlicher Sprache des Benutzers.

Beispielsweise könnte ein Chemiker anfordern, dass früh im Prozess ein Ring gebildet oder dass unnötige Schutzgruppen vermieden werden. Standard-Retrosynthese-Software generiert dann viele mögliche Reaktionswege, die in Text umgewandelt und vom Sprachmodell überprüft werden.

Was die Studie zeigt

Das System bewertet jeden Pfad danach, wie gut er mit den Zielen des Benutzers übereinstimmt, und erklärt seine Begründung. Dies erleichtert es Forschern, Optionen zu vergleichen und sich auf die vielversprechendsten Strategien zu konzentrieren.

Durch die Steuerung rechnerischer Suchen mit natürlicher Sprache können Chemiker die Ergebnisse besser mit ihrem beabsichtigten Ansatz in Einklang bringen. Verständnis ähnliche Methode auf Reaktionsmechanismen an.

Es zerlegt Reaktionen in grundlegende Elektronenbewegungen und erforscht verschiedene Möglichkeiten. Das Sprachmodell bewertet jeden Schritt und lenkt den Prozess auf Mechanismen zu, die chemisch plausibler sind.

Technik und Auswirkungen

Es kann auch zusätzliche Details, wie Reaktionsbedingungen oder Expertenannahmen, in Textform einbeziehen. Bei Tests zur Syntheseplanung identifizierte Synthegy Routen, die komplexen strategischen Anforderungen entsprachen.

In einer doppelblinden Expertenstudie produzierten 36 Chemiker 368 gültige Bewertungen, und ihre Einschätzungen stimmten im Durchschnitt zu 71,2 Prozent mit den Ergebnissen des Systems überein. Das Framework kann unnötige Schutzgruppen-Schritte kennzeichnen, die Reaktionsmachbarkeit bewerten und effizientere Wege hervorheben.

Bridging Strategy and Mechanism Synthegy demonstriert, dass LLMs über mehrere Ebenen chemischen Denkens arbeiten können. Sie können funktionelle Gruppen erkennen, einzelne Reaktionen bewerten und vollständige Syntheserouten beurteilen.

Technik und Auswirkungen

Größere und fortschrittlichere Modelle liefern die besten Ergebnisse, während kleinere Modelle eine eingeschränktere Fähigkeit zeigen. Diese Arbeit deutet einen neuen Weg für die künstliche Intelligenz auf, um die Chemie zu unterstützen.

Durch die Nutzung öglicht Synthegy Chemikern, ihre Ziele in einfacher Sprache zu beschreiben und Ergebnisse zu erhalten, die ihre Strategie widerspiegeln.

Der Ansatz könnte die Arzneimittelentdeckung beschleunigen, das Reaktordesign verbessern und fortschrittliche rechnergestützte Werkzeuge einfacher nutzbar machen.

Die Verbindung zwischen der Syntheseplanung

„Die Verbindung zwischen der Syntheseplanung und den Mechanismen ist sehr spannend: normalerweise verwenden wir Mechanismen, um neue Reaktionen zu entdecken, die es uns ermöglichen, neue Moleküle zu synthetisieren“, sagt Andres M Bran. Unsere Arbeit schließt diese Lücke rechnerisch durch eine einheitliche natürliche Sprachschnittstelle.

Referenz: "Redox regulation of neuroinflammatory pathways contributes to damage in Alzheimer's disease brain", Piu Banerjee, Xu Zhang, Jazmin Navarro, Charlene K Raspur, Parth Patel, Tomohiro Nakamura, Emily Schahrer, Henry Scott, Nhi Lang, Jolene K.

Diedrich, Amanda J. Roberts, John R.

April 2026, Cell Chemical Biology. DOI: 10.1016/j.chembiol.2026.03.017 Finanzierung: Swiss National Science Foundation, NCCR Catalysis, Intel und Merck KGaA AWASES Programm