一种名为MOSAIC的全新计算框架，利用集体智能进行人工智能辅助化学合成，在实验验证中实现了71%的成功率，在不同领域实现了超过35种新型化合物。这项发表在《自然》杂志上的研究详细介绍了MOSAIC（用于人工智能辅助化学预测的多个优化专家）如何利用Llama-3.1-8B-instruct架构在Voronoi聚类空间内训练2,498名专业的化学专家，从而能够生成具有复杂合成置信度指标的可重复和可执行的实验方案。

该系统解决了将科学文献呈指数级增长（特别是每年报告的数十万个新化学反应）转化为实际实验的日益严峻的挑战。研究人员开发了MOSAIC，以利用数百万个反应方案中蕴含的集体知识，为化学合成的瓶颈提供解决方案。合成的新型化合物涵盖了药物、材料、农用化学品和化妆品，证明了该框架的广泛适用性。

MOSAIC的架构建立在大型语言模型（LLM）的最新进展之上，这些模型在化学应用中显示出前景。然而，以前的系统难以可靠地处理从头合成化合物的各种转化。MOSAIC通过采用专业的专家方法克服了这一限制，在这种方法中，各个AI模型在化学空间的特定领域进行训练。这可以实现更准确和可靠的预测，最终提高实验室的成功率。

这项技术的影响超出了实验室范围，可能会影响各个行业。通过加速新化合物的发现和合成，MOSAIC可以加快新药、先进材料和更可持续的农产品的开发。该框架提供可重复实验方案的能力也提高了化学研究的可靠性和效率。

MOSAIC的开发代表着人工智能在化学合成应用方面向前迈出的重要一步。随着人工智能模型的不断发展和计算资源变得更容易获得，此类系统可能会在加速科学发现和创新方面发挥越来越重要的作用。未来的研究可能会侧重于扩大MOSAIC的范围，以涵盖更广泛的化学反应，并纳入更多的数据来源，以进一步提高其准确性和可靠性。