Proiectarea unei molecule de la zero este una dintre cele mai dificile probleme ale chimiei. Nu este vorba doar despre a ști ce atomi să conectezi, ci despre a cunoaște ordinea corectă a reacțiilor, când să protejezi părțile sensibile ale moleculei și cum să eviți impasurile care ar putea ruina luni de muncă în laborator.
În mod tradițional, aceste cunoștințe se află în mintea chimiștilor experimentați. Acum, o echipă de la EPFL dorește să le integreze într-un model lingvistic.
Cercetătorii conduși de Philippe Schwaller au publicat săptămâna aceasta o lucrare în Matter, descriind Synthegy, un cadru care utilizează modele lingvistice mari (LLM-uri) ca motoare de raționament pentru planificarea sintezei chimice. Perspicacitatea cheie este subtilă, dar importantă: în loc să ceară inteligenței artificiale să genereze molecule, echipa folosește AI pentru a evalua rutele de sinteză pe care software-ul tradițional le produce deja.
Iată cum funcționează: Un chimist introduce un obiectiv în limbaj natural, de exemplu „formarea inelului pirimidinic în stadiile incipiente”. Software-ul de retrosinteză existent—care funcționează prin descompunerea moleculelor țintă în piese mai simple—generează apoi zeci sau sute de rute de sinteză posibile.
Synthegy convertește fiecare rută în text și o transmite unui LLM, care evaluează fiecare rută în funcție de cât de bine se potrivește cu instrucțiunile chimistului. Cele mai bune rute urcă în clasament, însoțite de explicații scrise.
"Atunci când creăm instrumente pentru chimiști, interfața utilizatorului contează foarte mult, iar instrumentele anterioare se bazau pe filtre și reguli greoaie", a declarat Andres M. Bran, autorul principal al studiului, într-un comunicat de la EPFL.
Sistemul a fost validat într-un studiu dublu-orb, implicând 36 de chimiști independenți care au examinat 368 de perechi de rute. Selecțiile lor s-au potrivit cu cele ale Synthegy în 71,2% din cazuri, un număr care este aproximativ în concordanță cu frecvența cu care chimiștii experți sunt de acord între ei. Cercetătorii seniori (profesori și oameni de știință) au fost de acord cu Synthegy mai des decât studenții doctoranzi, sugerând că sistemul surprinde aceleași intuiții strategice care vin odată cu experiența.
Cercetătorii au testat mai multe modele AI, inclusiv GPT-4o, Claude și DeepSeek-r1. AI a făcut progrese în descoperirea de medicamente de ani de zile, dar majoritatea abordărilor se concentrează pe modele antrenate specific pentru sarcini înguste. Synthegy este conceput să fie modular — se poate conecta la orice motor de retrosinteză în backend și la orice LLM capabil pe partea de raționament. Gemini-2.5-pro a obținut cel mai mare scor în benchmark, în timp ce DeepSeek-r1 pare a fi o alternativă open-source puternică ce poate rula local.
Cadrul abordează și o a doua problemă: elucidarea mecanismului de reacție. Aceasta este întrebarea de ce se produce o reacție chimică — ce mișcări de electroni au loc la fiecare pas. Synthegy descompune reacțiile în mișcări elementare și cere LLM-ului să evalueze fiecare pas candidat pentru plauzibilitate chimică. În cazul reacțiilor simple, cum ar fi substituțiile nucleofile, cele mai bune modele au atins o precizie aproape perfectă.
Cazurile de utilizare potențiale sunt vaste. Descoperirea de medicamente este cea evidentă. AI a demonstrat deja potențial în prezicerea rezultatelor tratamentelor pentru cancer, dar aceeași abordare se aplică oriunde chimiștii trebuie să proiecteze noi materiale sau să optimizeze reacții industriale. Un detaliu practic: evaluarea a 60 de rute candidate cu Synthegy durează aproximativ 12 minute și costă în jur de 2-3 dolari în taxe API.
Lucrarea recunoaște limitele actuale. LLM-urile interpretează uneori greșit direcția unei reacții în reprezentarea sa text, ducând la evaluări greșite de fezabilitate. Modelele mai mici nu se descurcă mai bine decât ghicitul aleatoriu. Rutele mai lungi de 20 de pași sunt mai dificil de urmărit coerent.
Codul și benchmark-urile sunt disponibile public pe github.com/schwallergroup/steer.
