光沢のあるチャンバーが波状のチューブで接続されているため、AI を活用したこのセットアップは、化学実験室というよりも未来のビール醸造所のように見えます。

しかし、人間のオペレーターが「アスピリンを作って」と指示すると、システムは油を注いだ化学者のチームのように即座に行動を開始します。 1 つの AI がコマンドを受け取り、ウェブを検索して薬の「レシピ」を最適化します。別の AI が結果をコードに変換し、3 つ目の AI がロボット アームに実験を実行するように指示します。

システム、 Coscientist と呼ばれるこれは、大規模な言語モデルを使用して化学を自動化する取り組みの最新のものです。人気のある ChatGPT の背後にあるアルゴリズムの一種である大規模言語モデルは、言語、音声、および画像の入力を理解する能力で世界を席巻し、必ずしも正確ではないにしても、有用な応答を提供します。

AI はすでに研究室で注目を集めています。タンパク質構造のモデリング（5 年にわたる難題の解決策）から、遺伝子データのパターン探索や、次のような新しい化学薬品の「幻覚」まで。 抗生物質、その技術は 科学を変革しようとしている.

Coscientist は、この種の最初のものの 1 つです。カーネギーメロン大学のゲイブ・ゴメス博士らによって開発されたこのツールは、化学反応のレシピを自律的に学習し、わずか数分で化学反応を行える実験手順を設計します。

概念実証として、エンドツーエンド システムは複雑な化学反応を実現しました。 勝った 医薬品開発における重要な役割が評価され、2010 年にノーベル化学賞を受賞しました。

「人間が発明したこの複雑な反応を、非有機的知性が計画、設計、実行したのはこれが初めてです。」 と ゴメス。

このシステムの特徴はそのモジュール性です。化学タスクを分割することで、Coscientist は解決策を見つけるために連携して作業する化学者のチームのように動作し、創薬プロセス全体をスピードアップします。

コサイエンティストは「自動運転研究所のビジョンを現実に一歩近づけます」 書いた リスボン大学のアナ・ローラ・ディアス氏とティアゴ・ロドリゲス博士は、この研究には関与していませんでした。

バート·ブレイキング

化学はレシピを完成させることによく似ています。

それは、無駄を最小限に抑えて化学物質を作るという目標から始まります。料理人がレシピのアイデアを得るためにウェブをサーフィンするのと同じように、化学者は出版された文献を調べてプロトコルを設計します。

それは面倒なプロセスです。新しい化学物質の合成に挑戦した化学者は、類似の分子や反応のデータベースを検索することに何時間も費やします。無駄を最小限に抑えて目的の分子を取得するまでに、複数回の研究、実験、修正が必要です。

「したがって、化学者は研究を容易にする自動化システムの開発を長い間熱望してきた」とディアス氏とロドリゲス氏は書いている。

主要なステップの 1 つは、さまざまな種類の化学物質を正確な量と完璧なタイミングで複数の「チャンバー」に注入し、個別の反応を起こせるようにすることです。通常、これは手作業で行われますが、現在では手頃な価格のロボットを使用して、新しい化学相互作用をセットアップするように簡単にプログラムできるようになりました。ただし、それらは完璧ではありません。ほとんどの場合、1 つの反応しか実行できません。

ディアス氏とロドリゲス氏は、自律型ロボット化学者にとって「これらの制限が夢を挫折させた」と書いている。

ここで、ChatGPT の背後にあるアルゴリズムである OpenAI の GPT-4 が登場します。

こんにちは、ケミカルワールド

GPT-4 などのさまざまな大規模な言語モデルを比較する クロード, ファルコン、チームは、Coscientist が化学物質を高収率で製造するための詳細な「レシピ」を生成できることを発見しました。新しい研究は 4 段階のプロセスであり、複数の微調整された GPT-XNUMX インスタンスを自動化された化学者につなぎます。

1 つ目は、さまざまなオンライン ソースから学習する AI ライブラリアンです。研究チームがAIの好みを追跡したところ、AIは一流の化学雑誌の文献を閲覧するのに最も多くの時間を費やしていることが判明した。この洞察は貴重です。多くの場合、「ブラック ボックス」と表現される大規模な言語モデルは、結果の計算方法を必ずしも説明しているわけではありません。一方、Coscientist は、化学者が実験室の本にメモを書くように推論を展開するため、その研究は再現しやすくなっています。

Coscientist の 2 番目の AI は、化学反応物質を分配するロボット アームのユーザー マニュアルを「読み取り」ます。新しい芝刈り機の操作方法に関するパンフレットを読むのと同じように、AI はその指示を「理解」するために知識を消費します。

最後に、3 番目の AI がロボット アームを操作して化学物質を合成します。また、どの反応が機能し、どの反応が機能しないかを分析してシステムにフィードバックし、さらに微調整する「教授モード」も組み込まれています。

ノーベル賞への取り組み

最初のテストでは、コサイエンティストは一種のバーテンダーの役割を果たしました。

複数の色の液体を充填した AI はロボット アームを制御して、96 ウェル グリッド内のラインに各色を慎重にスプレーしました。これは、製氷皿の中でこぼれずに色とりどりの氷を作ろうとするようなものです。ほとんどうまくいきました。 「青い対角線を描いてください」という簡単なコマンドで、Coscientist は (人間の助けを借りて) 指示に従うことができました。

次に、チームは難易度を上げて、アスピリン、アセトアミノフェン（タイレノールの有効成分）、イブプロフェンなどの一般的な鎮痛剤を含む 7 つの大ヒット薬を合成するシステムに挑戦しました。

コサイエンティストは、各ロボットアームに必要な各成分の量を計算し、最適な速度で混合しました。 AI は最初は苦戦しましたが、練習を続けると、ロボット アームが過熱したり、化学物質が沸騰したりする時期を学習しました。最終的に、AI は熟練の料理人のように、目的の製品に最適なレシピを導き出しました。

チームはまた、Coscientist に対し、収量を増加させるためにさまざまな化学反応を最適化するよう依頼しました。これは化学の難しい課題として知られています。わずか 10 個の例で、システムは確立された機械学習手法よりも優れたパフォーマンスを示しました。 Coscientist は、GPT コンポーネントに十分な例がなかったときに苦労しましたが、すぐに学習しました。繰り返しを繰り返すたびに「知識」を獲得し、時間をかけて次のステップを計画するための戦略を適応させました。

今のところ、Coscientist は化学の新入生のようなものです。最新の出版物を読んで分析し、アイデアを生成し、テストすることができます。しかし、それは時々ナンセンスを吐き出すこともあり、これはほとんどの大規模な言語モデルを悩ませています。したがって、化学者が使用する必要があります 彼らの直感 そして結果を確認してください。現実世界の化学問題、特に生物学の分野では、研究で取り組む問題よりもはるかに複雑です。

さらなる開発に伴い、チームは Coscientist をヘルパーとして想定しています。さまざまな化学レシピを迅速にテストでき、化学者はロボット システムが動き回る間、ぐっすり眠ることができます。

「新しい現象、新しい反応、新しいアイデアを発見しようとして、自律的に実行できるものを作ることができます」とゴメス氏は言いました。

画像のクレジット： ルイスリード / Unsplash

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://singularityhub.com/2024/01/09/the-ai-behind-chatgpt-is-ready-to-do-chemistry/