瑞士洛桑联邦理工学院（EPFL）的研究人员开发了一种人工智能框架，能够理解化学家的日常语言指令，并从数千种可能的合成路径中挑选出合成特定分子的最佳方案。该团队在近期的一篇论文中描述了这一系统，旨在减少化学家手动搜索反应数据库和规划多步合成路线所花费的时间。
AI的工作原理
该框架利用自然语言处理技术理解“从苯开始合成这种化合物”或“找到一条避免使用有毒溶剂的路线”等指令。随后，它会在已知化学反应和分子结构数据库中搜索，找出最有效的一系列步骤。研究人员表示，系统在对选项进行排序时会考虑产率、成本和安全性等因素。
与早期需要用户输入精确SMILES字符串或反应模板的工具不同，该框架接受化学家在实验笔记本中会写的那种自由文本指令。这降低了使用计算规划的门槛，尤其适合那些不擅长编程的研究人员。
在化学领域的潜在应用
快速规划合成路线的能力在药物开发等领域尤为重要，因为实验室中制备新药候选分子常常成为瓶颈。原本需要人类花费数小时甚至数天的搜索，AI可以在几分钟内完成。
EPFL团队在一组目标分子（包括常见药物中间体）上测试了该框架。在每个案例中，系统都返回了一条合理的合成路线，与人类化学家设计的路线相当甚至更优。研究人员指出，AI有时会建议不同的反应顺序，更短或使用更便宜的试剂。
研究人员的成果
这项工作由EPFL计算化学与有机合成实验室的一个小组完成。他们在一个大型已知化学反应数据库上训练AI，使其能够将复杂目标分子分解为更简单的构建块。然后系统采用逆向工作策略（称为逆合成分析）来找到合成步骤。
该团队在一个大型已知化学反应数据库上训练AI，使其能够将复杂目标分子分解为更简单的构建块。然后系统采用逆向工作策略（称为逆合成分析）来找到合成步骤。
由于该框架依赖于自然语言输入，研究人员表示它可以集成到电子实验笔记本或化学搜索引擎中。这样，化学家只需输入“合成布洛芬”，就能在几秒钟内获得反应条件和起始原料的列表。
下一步计划
EPFL团队目前正在扩展该系统，使其能够处理涉及多相或催化剂的反应。他们还在研究如何让AI从新发表的化学反应中学习，从而不断改进路线建议。该工作尚未在工业环境中部署，但研究人员表示正在与制药公司讨论合作事宜。
