AI让化学家通过简单描述设计分子

# AI让化学家只需描述就能设计分子 来源：https://www.sciencedaily.com/releases/2026/05/260504023844.htm 创造新分子是化学领域最艰巨的任务之一。无论是救命药物还是尖端材料，每种化合物都必须通过精心设计的系列反应来构建。规划这些步骤需要深厚的专业知识和战略思维，因此化学家常常需要多年时间才能掌握这一过程。 其中一个主要障碍是逆合成分析。在这种方法中，化学家从目标分子出发，反向推导出更简单的起始原料和可能的反应路径。这涉及诸多决策，比如选择合适的结构单元、决定何时成环，以及确定分子中敏感部分是否需要保护。虽然计算机可以扫描巨大的"化学空间"，但它们在匹配经验丰富的化学家的战略判断方面仍有不足。 另一个挑战是反应机理——它描述反应如何通过电子的运动一步步进行。理解这些机理使科学家能够预测新反应、提高效率，并避免昂贵的试错过程。尽管当前的计算工具能提出许多可能的路径，但它们往往缺乏找出最现实路径所需的直觉。 **一种新的AI化学推理方法** 由EPFL的Philippe Schwaller领导的研究人员开发了一种新方法，利用大语言模型（LLMs）作为化学推理工具。这些模型不是直接生成化学结构，而是作为评估者来引导现有的计算系统。 这个名为Synthegy的新框架将传统搜索算法与能够用自然语言解释化学策略的AI相结合。 "在设计化学家使用的工具时，用户界面非常重要，而以前的工具依赖于繁琐的过滤器和规则，"Synthegy论文的第一作者Andres M Bran说，该论文发表在《Matter》上。"有了Synthegy，我们让化学家只需说话，就能更快地迭代并驾驭更复杂的合成想法。" **Synthegy如何改进逆合成规划** Synthegy从一个目标分子和一条用日常语言写的简单指令开始。例如，化学家可能要求某个特定环尽早形成，或者避免使用不必要的保护基。标准的逆合成软件会生成许多可能的路径。 每条路径都被转换为文本，并由语言模型审查。Synthegy为每条路径与化学家指令的匹配程度打分，并解释其推理过程。这使得对最佳路径进行排序和筛选变得更加容易。通过用自然语言引导搜索，化学家可以快速聚焦于符合其目标的策略。 **用AI理解反应机理** Synthegy将类似的方法应用于反应机理。它将反应分解为基本的电子运动，并探索不同的可能性。语言模型评估每一步，并将搜索引导到化学上合理的路径上。 该系统还可以纳入额外的细节，比如反应条件或专家的假设，这些都以文本形式提供。这种灵活性使研究人员能够完善分析，并探索更现实的场景。 **性能与化学家验证** 在合成规划中，Synthegy能够识别出符合复杂战略指令的路径。在一项双盲研究中，36位化学家提供了368个有效评价，他们的评估与系统结果的平均一致率为71.2%。 该框架可以标记不必要的保护步骤，判断反应的可行性，并优先考虑高效的解决方案。它还表明，大语言模型可以在多个层面运行，从分析官能团到评估整个合成路线。较大的模型表现最好，而较小的模型能力有限。 **AI在化学中的新角色** 这项研究展示了AI支持化学的一种不同方式。Synthegy并非取代人类决策，而是将语言模型定位为解释和完善计算结果的引导者。化学家可以用通俗语言描述目标，并得到反映其策略的解决方案。 这种方法可以加速药物发现，改进反应设计，并使高级工具更易于科学家使用。 "合成规划与机理之间的联系非常令人兴奋：我们通常利用机理来发现新反应，从而合成新分子，"Andres M Bran说。"我们的工作正在通过统一的自然语言接口，从计算上弥合这一差距。" **其他贡献者** - 国家催化能力研究中心（NCCR Catalysis） - b12 Labs