一种名为MOSAIC（即“人工智能辅助化学预测的多重优化专家”）的全新人工智能框架，正帮助化学家们利用庞大的化学反应知识库，加速新化合物的发现。研究人员开发该系统是为了解决日益严峻的挑战，即每年报告的数十万种新化学反应，使得将其转化为实际实验变得困难。

根据发表在《自然》杂志上的一项研究，MOSAIC建立在Llama-3.1-8B-instruct架构之上，它采用了一个由2498个专业人工智能“专家”组成的网络，这些专家在Voronoi聚类空间内接受训练。这种方法使系统能够生成可重复且可执行的实验方案，并提供置信度指标，用于复杂的化学合成。该系统在实验验证中取得了71%的成功率，从而创造了超过35种适用于制药、材料科学、农用化学品和化妆品的新型化合物。

MOSAIC的开发解决了化学研究中的一个关键瓶颈。大量的科学文献使得化学家们越来越难以识别和实施有前景的新反应。大型语言模型（LLMs）在这方面显示出潜力，但创建能够在各种转化和新型化合物中可靠工作的系统一直是一个挑战。MOSAIC通过利用数百万个反应方案的集体智能克服了这一难题。

MOSAIC中的人工智能专家是基于Voronoi聚类进行专业化的，Voronoi聚类是一种将化学空间划分为不同区域的技术。这使得每个专家都可以专注于化学的特定领域，从而提高系统的整体准确性和效率。该研究的作者指出：“通过创建这些专业专家，我们可以利用比单个通用人工智能模型所能实现的更广泛的知识。”

MOSAIC的影响不仅仅在于加速化学发现。通过提供详细的、可执行的协议，该系统还可以帮助提高化学研究的可重复性。这是科学界日益关注的问题，因为许多已发表的研究无法轻易复制。MOSAIC的置信度指标也为化学家们提供了有价值的信息，使他们能够优先考虑最有希望的反应。

研究人员设想MOSAIC可以被学术界和工业界的化学家使用。它有潜力简化药物发现、材料设计和化学研究的其他领域的过程。该团队目前正在努力扩展系统的功能并探索新的应用。未来的发展可能包括整合更多的数据源，提高置信度指标的准确性，以及开发新的方式来可视化和与系统交互。