Ein neues Rechenrahmenwerk namens MOSAIC, das kollektive Intelligenz für KI-gestützte chemische Synthese nutzt, hat eine Erfolgsquote von 71 % bei der experimentellen Validierung erzielt und über 35 neuartige Verbindungen in verschiedenen Bereichen realisiert. Die in Nature veröffentlichte Forschung beschreibt, wie MOSAIC (Multiple Optimized Specialists for AI-assisted Chemical Prediction) die Llama-3.1-8B-instruct-Architektur verwendet, um 2.498 spezialisierte Chemieexperten innerhalb von Voronoi-geclusterten Räumen zu trainieren, wodurch die Generierung von reproduzierbaren und ausführbaren experimentellen Protokollen mit Konfidenzmetriken für komplexe Synthesen ermöglicht wird.

Das System begegnet der wachsenden Herausforderung, den exponentiellen Anstieg der wissenschaftlichen Literatur, insbesondere die Hunderttausenden von jährlich berichteten neuen chemischen Reaktionen, in praktische Experimente zu übersetzen. Forscher entwickelten MOSAIC, um das kollektive Wissen zu nutzen, das in Millionen von Reaktionsprotokollen enthalten ist, und bieten so eine Lösung für den Engpass in der chemischen Synthese. Die neuartigen synthetisierten Verbindungen umfassen Pharmazeutika, Materialien, Agrochemikalien und Kosmetika und demonstrieren die breite Anwendbarkeit des Frameworks.

Die Architektur von MOSAIC baut auf den jüngsten Fortschritten bei großen Sprachmodellen (LLMs) auf, die vielversprechend für chemische Anwendungen sind. Frühere Systeme hatten jedoch Schwierigkeiten, vielfältige Transformationen über De-novo-Verbindungen hinweg zuverlässig zu handhaben. MOSAIC überwindet diese Einschränkung durch einen spezialisierten Expertenansatz, bei dem einzelne KI-Modelle auf spezifische Bereiche des chemischen Raums trainiert werden. Dies ermöglicht genauere und zuverlässigere Vorhersagen, was letztendlich zu höheren Erfolgsraten im Labor führt.

Die Auswirkungen dieser Technologie reichen über das Labor hinaus und könnten verschiedene Branchen beeinflussen. Durch die Beschleunigung der Entdeckung und Synthese neuer Verbindungen könnte MOSAIC zu einer schnelleren Entwicklung neuer Medikamente, fortschrittlicher Materialien und nachhaltigerer landwirtschaftlicher Produkte führen. Die Fähigkeit des Frameworks, reproduzierbare experimentelle Protokolle bereitzustellen, verbessert zudem die Zuverlässigkeit und Effizienz der chemischen Forschung.

Die Entwicklung von MOSAIC stellt einen bedeutenden Fortschritt bei der Anwendung von KI in der chemischen Synthese dar. Da sich KI-Modelle ständig weiterentwickeln und Computerressourcen zugänglicher werden, ist es wahrscheinlich, dass solche Systeme eine zunehmend wichtige Rolle bei der Beschleunigung wissenschaftlicher Entdeckungen und Innovationen spielen werden. Zukünftige Forschung könnte sich darauf konzentrieren, den Umfang von MOSAIC auf ein breiteres Spektrum chemischer Reaktionen auszudehnen und zusätzliche Datenquellen zu integrieren, um seine Genauigkeit und Zuverlässigkeit weiter zu verbessern.