一种名为MOSAIC（Multiple Optimized Specialists for AI-assisted Chemical Prediction，即人工智能辅助化学预测的多个优化专家）的全新人工智能框架，使化学家能够利用庞大的化学反应知识库，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严峻的挑战，即筛选呈指数级增长的科学文献，每年都有成千上万种新的化学反应被报道。

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，采用了一种独特的方法，即在Voronoi聚类空间内训练2,498个专门的人工智能“专家”。这种专业化使该系统能够生成可重复且可执行的实验方案，并为复杂合成提供完整的置信度指标。该系统在实验验证中取得了71%的总体成功率，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：将已发表的反应转化为实际实验。“大量的科学文献使得化学家越来越难以掌握最新的进展，并为他们的研究确定有希望的反应，”该研究的作者指出。大型语言模型（LLMs）在这方面显示出了前景，但到目前为止，还没有系统能够可靠地用于全新化合物的各种转化。

“集体智能”的人工智能概念是MOSAIC设计的核心。通过训练大量专门的人工智能代理，每个代理都专注于化学反应的特定领域，该系统可以利用这些专家的综合知识来预测和优化合成途径。这种方法反映了人类专家如何协作和分享知识来解决复杂问题。Voronoi聚类技术通过将相似的反应组合在一起，进一步增强了这种集体智能，使人工智能代理能够更有效地从相关数据中学习。

MOSAIC对社会的影响可能是深远的。通过加速新化合物的发现和合成，该系统可以为医学、材料科学和其他领域的进步做出贡献。例如，快速合成新药的能力可以带来更有效的疾病治疗方法。同样，发现具有增强性能的新材料可以推动从电子到航空航天等行业的创新。

研究人员强调，MOSAIC并非旨在取代人类化学家，而是为了增强他们的能力。“我们的目标是为化学家提供一个强大的工具，可以帮助他们更有效率地探索广阔的化学空间，”该研究的作者表示。该系统旨在生成实验方案，化学家可以根据自己的专业知识和直觉对其进行改进和优化。

研究团队的下一步工作包括扩展MOSAIC的训练数据，并探索人工智能代理的新架构。他们还计划开发工具，使化学家能够轻松地将MOSAIC集成到他们现有的工作流程中。最终目标是创建一个全面的人工智能辅助化学合成平台，以加速科学发现和创新的步伐。