Ein neues Framework für künstliche Intelligenz namens MOSAIC, was für "Multiple Optimized Specialists for AI-assisted Chemical Prediction" steht, ermöglicht es Chemikern, auf ein riesiges Reservoir an chemischem Reaktionswissen zuzugreifen, was potenziell die Entdeckung und Synthese neuer Verbindungen beschleunigen kann. Forscher haben dieses System entwickelt, um die wachsende Herausforderung zu bewältigen, die in der exponentiellen Zunahme wissenschaftlicher Literatur besteht, in der jedes Jahr Hunderttausende neuer chemischer Reaktionen berichtet werden.

MOSAIC, das auf der Llama-3.1-8B-instruct-Architektur aufbaut, verwendet einen einzigartigen Ansatz, indem es 2.498 spezialisierte KI-"Experten" innerhalb von Voronoi-geclusterten Räumen trainiert, wie in einer in der Zeitschrift Nature veröffentlichten Studie dargelegt wird. Diese Spezialisierung ermöglicht es dem System, reproduzierbare und ausführbare experimentelle Protokolle mit Konfidenzmetriken für komplexe Synthesen zu generieren. Das System erreichte eine Gesamterfolgsrate von 71 % bei der experimentellen Validierung, was zur Herstellung von über 35 neuartigen Verbindungen führte, die in den Bereichen Pharmazie, Materialwissenschaft, Agrochemie und Kosmetik Anwendung finden.

Die Entwicklung von MOSAIC adressiert einen kritischen Engpass in der chemischen Forschung: die Übersetzung veröffentlichter Reaktionen in praktische Experimente. "Die schiere Menge an wissenschaftlicher Literatur macht es Chemikern zunehmend schwer, mit den neuesten Entwicklungen Schritt zu halten und vielversprechende Reaktionen für ihre Forschung zu identifizieren", so die Autoren der Studie. Große Sprachmodelle (LLMs) haben in diesem Bereich vielversprechende Ergebnisse gezeigt, aber bis jetzt mangelte es an Systemen, die zuverlässig für verschiedene Transformationen über de novo-Verbindungen hinweg funktionieren.

Das KI-Konzept der "kollektiven Intelligenz" ist zentral für das Design von MOSAIC. Durch das Training zahlreicher spezialisierter KI-Agenten, die sich jeweils auf einen bestimmten Bereich chemischer Reaktionen konzentrieren, kann das System das kombinierte Wissen dieser Experten nutzen, um Synthesewege vorherzusagen und zu optimieren. Dieser Ansatz spiegelt wider, wie menschliche Experten zusammenarbeiten und Wissen austauschen, um komplexe Probleme zu lösen. Die Voronoi-Clustering-Technik verbessert diese kollektive Intelligenz zusätzlich, indem sie ähnliche Reaktionen zusammenfasst, sodass die KI-Agenten effektiver aus verwandten Daten lernen können.

Die Auswirkungen von MOSAIC auf die Gesellschaft sind potenziell weitreichend. Durch die Beschleunigung der Entdeckung und Synthese neuer Verbindungen könnte das System zu Fortschritten in der Medizin, den Materialwissenschaften und anderen Bereichen beitragen. Beispielsweise könnte die Fähigkeit, schnell neue Pharmazeutika zu synthetisieren, zu wirksameren Behandlungen von Krankheiten führen. Ebenso könnte die Entdeckung neuer Materialien mit verbesserten Eigenschaften Innovationen in Branchen von der Elektronik bis zur Luft- und Raumfahrt vorantreiben.

Die Forscher betonen, dass MOSAIC nicht dazu gedacht ist, menschliche Chemiker zu ersetzen, sondern ihre Fähigkeiten zu erweitern. "Unser Ziel ist es, Chemikern ein leistungsstarkes Werkzeug zur Verfügung zu stellen, das ihnen helfen kann, den riesigen chemischen Raum effizienter und effektiver zu erkunden", so die Autoren der Studie. Das System ist so konzipiert, dass es experimentelle Protokolle generiert, die Chemiker dann auf der Grundlage ihrer eigenen Expertise und Intuition verfeinern und optimieren können.

Die nächsten Schritte für das Forschungsteam umfassen die Erweiterung der Trainingsdaten für MOSAIC und die Erforschung neuer Architekturen für die KI-Agenten. Sie planen auch die Entwicklung von Tools, die es Chemikern ermöglichen, MOSAIC einfach in ihre bestehenden Arbeitsabläufe zu integrieren. Das ultimative Ziel ist die Schaffung einer umfassenden KI-gestützten chemischen Syntheseplattform, die das Tempo wissenschaftlicher Entdeckungen und Innovationen beschleunigen kann.