近日，好意思国耶鲁大学博士毕业生李昊特和团结者培植了一套叫 MOSAIC 的 AI 系统，把化学合成常识分红了 2，498 个专科鸿沟，每个鸿沟考验一个大家模子。

这套系统在测试中对卓绝 35 种全新化合物的合成顺利率达到了 71%，以致帮议论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口头，还径直给你一份不错进实验室操作的详备才略，包括用什么试剂、加若干量、加热多久、怎样提纯，以致连每一步的细隐衷项齐写好了。日前，关联论文发表于《当然》。

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

这项议论的起点，来自于议论东说念主员对化学学科近况的不雅察。化学是一门以实验为基础、教训性极强的学科。东说念主们学到的常识和手段大多来自前东说念主的积贮，这原来是善事，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通盘文件，更无谓说记着其中的细节了。

化学浸透在糊口的方方面面，从制药、材料、催化到农业和销耗品，新药物的培植、新材料的合成齐需要多量的试错。

一个有机化学响应的优化通常波及多个参数：溶剂、浓度、响应设施、时辰、温度弧线，况兼这些参数还会互相影响。探索一个新响应，等闲需要多量的时辰干预和试错老本。

在这么的布景下，议论东说念主员想作念一个系统：输入一个办法分子，系统不仅告诉你能不可合成，还能给出不错径直进实验室操作的详备才略。

但是，通用大模子诚然能聊天，但你要让它给出一个具体化学响应的实验才略，它等闲说得卯辨认榫。它会用看起来很专科的术语捏造一套决策，温度辨认、试剂辨认、设施也辨认，按照它说的去作念很可能什么齐得不到，以致炸掉响应瓶。

MOSAIC 的作念法例是把通盘化学合成常识空间分割成 2，498 个小区域，每个区域选一个大家。比如某个大家挑升厚爱一种叫 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大家，然后让这个大家来修起。

为了判断哪个大家离得近，议论东说念主员先考验了一个叫 KMN 的神经网络。这个网络能把化学响应变调成 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，证据两个响应越一样。

有了这个空间，他们用了一个叫 FAISS 的高效检索用具，把常识库聚类成 2，498 个沃罗诺伊单位，每个单位便是一个大家的土地。

考验的时候，先让一个基础模子把所稀有据齐学一遍，再针对每个大家场所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，激活对应的大家，然后让大家输出完好的实验决策。

议论东说念主员领先尝试了考验一个完好的大模子，但很欣忭志到需要的策划资源太大了，几百上千张 GPU 卡，大多数实验室无法永远测试。

自后他们休养念念路，从最基础的作念起，只把模子在单个类型响应上微调。限度发现，苟简的办法反而赢得了好的成果。

传统方法需要几百上千张 GPU 卡，MOSAIC 只需要几张卡就能跑，况兼是可握续孕育的。新数据来了不需要重新考验通盘系统，只需要在常识空间里加新的沃罗诺伊单位，考验新的大家，开云2026世界杯中国官网仍是存在的大家不受影响。

搜索的时候系统会同期从已有和新索引里找限度，吞并列序后输出。这种去中心化的蓄意对资源有限的学术实验室相配友好。对大多数议论者来说，用单个或几个 A100 GPU 就能让这个架构握续逾越。

议论东说念主员用 MOSAIC 权衡了 37 种新化合物的合成道路，其中有 35 种在第一次尝试时就顺利了。更让东说念主不测的是一个 5-氮杂吲哚生息物的合成，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大家中心距离是 320，远高于等闲的置信阈值 150，这意味着这个响应在常识库里简直找不到临近的前例。

但是，议论东说念主员十足按照权衡作念了实验并顺利结束了居品，同期 MOSAIC 找到了一个之前未被报说念过的环化方法。这证据这套系统不单是照搬已有常识，它有一定的泛化才能，能在已有常识的角落组合出新的方法。

议论东说念主员强调，最进攻的实验限度就来自于这种全新机理的响应权衡。只是十足参照模子给出的权衡，他们就赢得了实验上的顺利，况兼让之前已报说念过的相通底物上失败案例得以结束。论文审稿东说念主对这少许也救济有加，以为全新响应的变调是本次论文的一大亮点。

他们还发现了一个很有深嗜的章程，他们把通盘合成尝试的限度和权衡的置信度作念了对比。当权衡距离小于 100 时，实验顺利率卓绝 75%。当距离大于 200 时，顺利率降到 50% 傍边。

这个置信度办法成了实验优先级排序的有用用具，高置信度的响应不错斗胆尝试，低置信度的响应值得探索但也需要留更多容错空间。

论文审稿东说念主疏淡招供这个确凿度办法，以为它弥补了一个永远存在的瓶颈，畴前只须大家才能评估大模子权衡的厉害，面前有了一个可量化的办法。

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%，但若是让三个大家一说念投票，精准匹配率简直翻倍到 43% 和 32.8%，部分匹配的顺利率更是达到了 94.8%，这证据集中多个大家的办法能大幅提高权衡可靠性。

李昊特告诉 DeepTech，这项议论刚运行的时候，有共同作家一度怀疑它的价值，根由是仍是有像 Chemcrow 这么的架构，径直通过给 GPT-4 说话领导的神气完成一系列化学操作，看起来仍是涵盖了议论办法。

但团队里有东说念主从不同视角不雅察，发现买卖模子本人存在荫藏的过错，对化学的联结还有相配大的提高空间。议论东说念主员通过实验数据讲明了这少许，这个插曲让团队深切体会到独处念念考的进攻性，不可因为存在可行决策，就罢手寻找更好的方法。

诚然 MOSAIC 不错以较高概率处分实质化学问题，但模子面前还不可解释我方的权衡。可解释性是刻下议论的要点，议论东说念主员但愿下一步的模子不仅能给出高顺利率的决策，还能证据晰为什么经受这个条目、为什么这个响应能顺利，而这亦然信得过让 AI 联结化学的要津一步。

议论东说念主员以为这项时期在药物合成、材料发现等标的有着优秀的变调远景。MOSAIC 最径直的诓骗便是全自动机器合成平台，它不错生成高顺利率的实验决策，然后径直交给机器东说念主平台去执行，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 结合起来。畴前在这些平台上搜索一个响应，可能会复返千千万万条一样的文件，让东说念主无从下手，MOSAIC 不错把这些限度整理成最少、最径直可用的决策。

在实验室里时辰是最贵的老本，MOSAIC 旨在匡助化学鸿沟的议论东说念主员快速筛选有但愿的实验标的，把搜索千千万万篇文件的时辰缩到几分钟。

面前，议论东说念主员仍是将 MOSAIC 开源，是以感意思意思的东说念主士均可使用。

参考辛勤：

关联论文 https://doi.org/10.1038/s41586-026-10131-4

运营/排版：何晨龙

注：封面/首图由 AI 扶持生成开云2026世界杯中国官网