Ein neues Framework für künstliche Intelligenz namens MOSAIC, was für Multiple Optimized Specialists for AI-assisted Chemical Prediction steht, ermöglicht es Chemikern, auf einen riesigen Pool an chemischem Reaktionswissen zuzugreifen, um die Entdeckung neuer Verbindungen zu beschleunigen. Forscher haben dieses System entwickelt, um die wachsende Herausforderung zu bewältigen, die darin besteht, die Hunderttausenden von neuen chemischen Reaktionen zu sichten, die jährlich veröffentlicht werden, was es erschwert, diese in praktische Experimente umzusetzen.

MOSAIC, das auf der Llama-3.1-8B-instruct-Architektur basiert, verwendet ein Netzwerk von 2.498 spezialisierten KI-"Experten", die in Voronoi-geclusterten Räumen trainiert wurden, wie eine in Nature veröffentlichte Studie zeigt. Dieser Ansatz ermöglicht es dem System, reproduzierbare und ausführbare experimentelle Protokolle mit Konfidenzmetriken für komplexe chemische Synthesen zu generieren. Das System erreichte eine Erfolgsquote von 71 % bei der experimentellen Validierung, was zur Entwicklung von über 35 neuartigen Verbindungen führte, die in den Bereichen Pharmazeutika, Materialwissenschaften, Agrochemikalien und Kosmetika Anwendung finden.

Die Entwicklung von MOSAIC adressiert einen kritischen Engpass in der chemischen Forschung. Die schiere Menge an wissenschaftlicher Literatur macht es Chemikern zunehmend schwerer, vielversprechende neue Reaktionen zu identifizieren und umzusetzen. Große Sprachmodelle (LLMs) haben in diesem Bereich Potenzial gezeigt, aber die Entwicklung von Systemen, die zuverlässig über verschiedene Transformationen und neuartige Verbindungen hinweg funktionieren, war eine Herausforderung. MOSAIC überwindet dies, indem es die kollektive Intelligenz von Millionen von Reaktionsprotokollen nutzt.

Die KI-Experten innerhalb von MOSAIC sind auf der Grundlage von Voronoi-Clustering spezialisiert, einer Technik, die den chemischen Raum in verschiedene Regionen unterteilt. Dies ermöglicht es jedem Experten, sich auf einen bestimmten Bereich der Chemie zu konzentrieren, was die Gesamtgenauigkeit und Effizienz des Systems verbessert. "Durch die Schaffung dieser spezialisierten Experten können wir ein viel breiteres Wissensspektrum nutzen, als dies mit einem einzigen, universellen KI-Modell möglich wäre", so die Autoren der Studie.

Die Auswirkungen von MOSAIC gehen über die bloße Beschleunigung der chemischen Entdeckung hinaus. Durch die Bereitstellung detaillierter, ausführbarer Protokolle kann das System auch dazu beitragen, die Reproduzierbarkeit der chemischen Forschung zu verbessern. Dies ist ein wachsendes Problem in der wissenschaftlichen Gemeinschaft, da viele veröffentlichte Studien nicht ohne Weiteres repliziert werden können. Die Konfidenzmetriken von MOSAIC liefern Chemikern zudem wertvolle Informationen, die es ihnen ermöglichen, die vielversprechendsten Reaktionen zu priorisieren.

Die Forscher sehen MOSAIC als ein Werkzeug, das sowohl von akademischen als auch von industriellen Chemikern genutzt werden kann. Es hat das Potenzial, den Prozess der Arzneimittelentdeckung, des Materialdesigns und anderer Bereiche der chemischen Forschung zu rationalisieren. Das Team arbeitet nun daran, die Fähigkeiten des Systems zu erweitern und neue Anwendungen zu erforschen. Zukünftige Entwicklungen könnten die Einbeziehung zusätzlicher Datenquellen, die Verbesserung der Genauigkeit der Konfidenzmetriken und die Entwicklung neuer Möglichkeiten zur Visualisierung und Interaktion mit dem System umfassen.