AI支援による化学合成において、集合知を活用するMOSAICと呼ばれる新しい計算フレームワークが、実験的検証で71%の成功率を達成し、多様な分野で35種類以上の新規化合物を実現しました。Nature誌に掲載されたこの研究では、MOSAIC（Multiple Optimized Specialists for AI-assisted Chemical Prediction：AI支援化学予測のための複数の最適化された専門家）が、Llama-3.1-8B-instructアーキテクチャを利用して、ボロノイ分割された空間内に2,498の専門的な化学エキスパートをトレーニングし、複雑な合成のための再現可能で実行可能な実験プロトコルを信頼性指標とともに生成する方法を詳述しています。

このシステムは、科学文献の指数関数的な増加、特に年間報告される数十万件もの新しい化学反応を、実用的な実験に変換するという増大する課題に対応します。研究者らは、数百万件の反応プロトコルに埋め込まれた集合知を活用するためにMOSAICを開発し、化学合成におけるボトルネックに対するソリューションを提供します。合成された新規化合物は、医薬品、材料、農薬、化粧品に及び、このフレームワークの幅広い適用可能性を示しています。

MOSAICのアーキテクチャは、化学アプリケーションで有望視されている大規模言語モデル（LLM）の最近の進歩に基づいています。しかし、これまでのシステムは、デノボ化合物における多様な変換を確実に処理するのに苦労していました。MOSAICは、化学空間の特定の領域で個々のAIモデルをトレーニングする、専門的なエキスパートアプローチを採用することで、この制限を克服しています。これにより、より正確で信頼性の高い予測が可能になり、最終的にはラボでの成功率が向上します。

この技術の影響は、研究所にとどまらず、さまざまな産業に影響を与える可能性があります。MOSAICは、新しい化合物の発見と合成を加速することにより、新薬、高度な材料、より持続可能な農産物のより迅速な開発につながる可能性があります。再現可能な実験プロトコルを提供するこのフレームワークの能力は、化学研究の信頼性と効率も向上させます。

MOSAICの開発は、AIの化学合成への応用における重要な一歩となります。AIモデルが進化し続け、計算リソースがよりアクセスしやすくなるにつれて、このようなシステムは、科学的発見とイノベーションを加速する上でますます重要な役割を果たすようになるでしょう。今後の研究では、MOSAICの範囲を拡大して、より広範な化学反応を包含し、追加のデータソースを組み込んで、その精度と信頼性をさらに向上させることに焦点が当てられる可能性があります。