一种名为MOSAIC（即用于人工智能辅助化学预测的多个优化专家）的全新计算框架，使化学家能够利用大量的化学反应知识，从而有可能加速新化合物的发现和合成。研究人员开发该系统是为了应对日益增长的挑战，即如何在呈指数级增长的科学文献中进行导航，因为每年都会报道数十万个新的化学反应。

MOSAIC建立在Llama-3.1-8B-instruct架构之上，利用一个由2,498个在Voronoi聚类空间内训练的专业人工智能“专家”组成的网络。这种方法使系统能够生成可重现和可执行的实验方案，并提供置信度指标，用于复杂的化学合成。这项发表在《自然》杂志上的研究强调了该系统在实验验证中达到71%成功率的能力，从而创造了35多种适用于制药、材料科学、农用化学品和化妆品等不同领域的新型化合物。

MOSAIC解决的核心挑战是将已报道的化学反应转化为实际实验的瓶颈。虽然大型语言模型（LLM）在这方面显示出前景，但将其可靠地应用于新型化合物的各种转化仍然是一个障碍。MOSAIC通过创建一个集体智能系统来克服这个问题，其中每个AI专家都专注于化学反应空间的特定领域。

该项目的一位主要研究人员解释说：“大量的化学文献使得单个研究人员越来越难以掌握所有相关信息。MOSAIC提供了一种利用这些出版物中蕴含的集体知识的方法，从而加快化学发现的步伐。”

这项技术的意义不仅仅在于加速研究。通过提供详细的、可执行的方案，MOSAIC可以普及先进化学合成技术的应用，从而有可能增强资源有限的研究人员的能力。此外，该系统预测复杂反应结果的能力可以减少对昂贵且耗时的试错实验的需求。

MOSAIC的开发代表着人工智能在化学合成应用方面向前迈出了重要一步。随着人工智能模型的不断发展和计算能力的提高，此类系统可能会在加速各个学科的科学发现方面发挥越来越重要的作用。未来的研究将侧重于扩大MOSAIC的范围，以涵盖更广泛的化学反应，并提高其预测的准确性和可靠性。