Ein neues Framework für künstliche Intelligenz namens MOSAIC, das Chemiker bei der chemischen Synthese unterstützen soll, hat eine Erfolgsquote von 71 % bei der experimentellen Validierung erreicht, was zur Herstellung von über 35 neuartigen Verbindungen geführt hat. Das System, das in einem kürzlich erschienenen Artikel in Nature detailliert beschrieben wird, nutzt das kollektive Wissen von Millionen von Reaktionsprotokollen, um reproduzierbare und ausführbare experimentelle Verfahren bereitzustellen, komplett mit Konfidenzmetriken.

MOSAIC (Multiple Optimized Specialists for AI-assisted Chemical Prediction) begegnet der wachsenden Herausforderung, sich in der riesigen und schnell wachsenden wissenschaftlichen Literatur der Chemie zurechtzufinden. Jedes Jahr werden Hunderttausende neuer chemischer Reaktionen veröffentlicht, was es Chemikern erschwert, diese Informationen in praktische Experimente umzusetzen. Aktuelle KI-Sprachmodelle haben in diesem Bereich zwar vielversprechendes Potenzial gezeigt, hatten aber Schwierigkeiten, konsistent zuverlässige Ergebnisse bei verschiedenen chemischen Umwandlungen und neuartigen Verbindungen zu liefern.

Das MOSAIC-Framework basiert auf der Llama-3.1-8B-instruct-Architektur und umfasst 2.498 spezialisierte Chemie-Experten, die in Voronoi-geclusterten Räumen trainiert wurden. Dieser spezialisierte Ansatz ermöglicht es dem System, detaillierte experimentelle Protokolle bereitzustellen und die Erfolgswahrscheinlichkeit für komplexe Synthesen zu bewerten. Die mit MOSAIC hergestellten neuartigen Verbindungen finden in einer Reihe von Anwendungen Verwendung, darunter in den Bereichen Pharmazeutika, Materialwissenschaften, Agrochemikalien und Kosmetika.

Die Entwicklung von MOSAIC unterstreicht das Potenzial der kollektiven Intelligenz in der KI-gestützten Forschung. Durch das Training zahlreicher spezialisierter KI-Agenten und die Möglichkeit, aus einer riesigen Datenbank chemischer Reaktionen zu lernen, kann das System Erkenntnisse und Anleitungen bieten, die ein menschlicher Chemiker allein nur schwer replizieren könnte. Dieser Ansatz beschleunigt nicht nur das Tempo der Entdeckung, sondern demokratisiert auch den Zugang zu fortgeschrittenem chemischem Wissen.

Die Auswirkungen von MOSAIC reichen über das Labor hinaus. Durch die Rationalisierung des Prozesses der chemischen Synthese könnte das Framework potenziell die Kosten und die Zeit reduzieren, die für die Entwicklung neuer Medikamente, Materialien und anderer essentieller Produkte erforderlich sind. Darüber hinaus könnte die Fähigkeit des Systems, Konfidenzmetriken bereitzustellen, Chemikern helfen, Experimente zu priorisieren und die Verschwendung von Ressourcen für weniger vielversprechende Forschungsansätze zu vermeiden.

Die Forscher arbeiten kontinuierlich an der Verfeinerung des MOSAIC-Frameworks und erforschen seine potenziellen Anwendungen in anderen Bereichen der wissenschaftlichen Forschung. Zukünftige Entwicklungen könnten die Erweiterung der Systemdatenbank chemischer Reaktionen, die Verbesserung der Fähigkeit zur Handhabung komplexer und mehrstufiger Synthesen sowie die Integration mit Roboterplattformen für die automatisierte Experimentierung umfassen. Das ultimative Ziel ist die Schaffung eines leistungsstarken und vielseitigen Werkzeugs, das Chemiker in die Lage versetzt, die Grenzen des chemischen Wissens und der Innovation zu erweitern.