구불구불한 튜브로 연결된 일련의 광택 있는 챔버로 인해 AI 기반 설정은 화학 실험실이라기보다는 미래 지향적인 양조장처럼 보입니다.

그러나 인간 조작자로부터 "아스피린을 만들어라"라는 지시가 주어지면 시스템은 마치 기름칠된 화학자 팀처럼 행동에 나섭니다. 하나의 AI는 명령을 받아 웹을 샅샅이 뒤져 약의 "레시피"를 최적화합니다. 또 다른 AI는 결과를 코드로 변환하고, 세 번째 AI는 로봇 팔에 실험을 수행하도록 지시합니다.

시스템, Coscientist라고 불리는 이 회사는 대규모 언어 모델을 사용하여 화학을 자동화하려는 최신 시도입니다. 널리 사용되는 ChatGPT의 알고리즘 유형인 대규모 언어 모델은 언어, 오디오 및 이미지 입력을 이해하는 동시에 유용한(항상 정확하지는 않더라도) 응답을 제공하는 능력으로 전 세계를 휩쓸었습니다.

AI는 이미 연구실에서 주목을 받고 있습니다. 5년 동안의 수수께끼에 대한 해결책인 단백질 구조 모델링부터 유전 데이터의 패턴 사냥 및 다음과 같은 새로운 화학 약물의 “환각”에 이르기까지 항생제, 기술은 과학을 변화시키기 위해 설정.

Coscientist는 최초의 종류 중 하나입니다. Carnegie Mellon University의 Gabe Gomes 박사와 동료들이 개발한 이 제품은 화학 반응에 대한 레시피를 자율적으로 학습하고 실험실 절차를 설계하여 단 몇 분 만에 이를 만들 수 있습니다.

개념 증명으로 엔드 투 엔드 시스템이 복잡한 화학 반응을 이끌어냈습니다. 이겼다 약물 개발에 중요한 역할을 한 공로로 2010년 노벨 화학상을 수상했습니다.

“인간이 발명한 이 복잡한 반응을 비유기체 지능이 계획, 설계, 실행한 것은 이번이 처음입니다.” 말했다 고메스.

시스템의 특징은 모듈성입니다. 화학 작업을 분할함으로써 Coscientist는 솔루션을 찾기 위해 함께 일하는 화학자 팀처럼 행동하여 전체 약물 발견 프로세스의 속도를 높입니다.

코스사이언티스트, “자율주행 연구실의 비전을 현실에 한발 더 다가서다” 쓴 작업에 참여하지 않은 리스본 대학교의 Ana Laura Dias와 Tiago Rodrigues 박사.

나쁜 속보

화학은 조리법을 완성하는 것과 매우 유사합니다.

그것은 목표로 시작됩니다: 최소한의 폐기물로 화학물질을 만드십시오. 요리사가 요리법 아이디어를 찾기 위해 웹 서핑을 하는 것처럼, 화학자들은 출판된 문헌을 조사하고 프로토콜을 설계합니다.

지루한 과정입니다. 새로운 화학물질을 합성하는 데 어려움을 겪는 화학자들은 유사한 분자와 반응에 대한 데이터베이스를 검색하는 데 몇 시간을 소비합니다. 최소한의 낭비로 원하는 분자를 얻으려면 여러 차례의 연구, 실험 및 수정이 필요합니다.

Dias와 Rodrigues는 “따라서 화학자들은 오랫동안 작업을 용이하게 하기 위해 자동화 시스템을 개발하기를 열망했습니다.”라고 썼습니다.

한 가지 주요 단계는 다양한 유형의 화학 물질을 정확한 양과 완벽한 시간으로 여러 "챔버"에 주입하여 별도의 반응이 일어날 수 있도록 하는 것입니다. 일반적으로 이 작업은 손으로 수행되지만 이제는 저렴한 로봇을 쉽게 프로그래밍하여 새로운 화학적 상호 작용을 설정할 수 있습니다. 그러나 완벽하지는 않습니다. 대부분은 하나의 반응만 수행할 수 있습니다.

Dias와 Rodrigues는 "이러한 한계로 인해 자율 로봇 화학자의 꿈이 좌절되었습니다"라고 썼습니다.

여기에 ChatGPT의 기반이 되는 알고리즘인 OpenAI의 GPT-4가 등장합니다.

안녕하세요 케미컬월드입니다

GPT-4와 같은 다양한 대규모 언어 모델을 비교하면, 클로드및 매, 팀은 Coscientist가 높은 수율로 화학 물질을 만들기 위한 상세한 "레시피"를 생성할 수 있다는 것을 발견했습니다. 새로운 연구는 여러 개의 미세 조정된 GPT-4 인스턴스를 자동화된 화학자에 연결하는 XNUMX단계 프로세스입니다.

첫 번째는 다양한 온라인 소스를 통해 학습하는 AI 사서입니다. 팀이 선호도를 추적했을 때 AI가 최고의 화학 저널의 문헌을 방문하는 데 가장 많은 시간을 보낸다는 사실을 발견했습니다. 이 통찰력은 가치가 있습니다. 종종 "블랙 박스"로 설명되는 대규모 언어 모델은 결과를 계산하는 방법을 항상 설명하지는 않습니다. 반면 Coscientist는 화학자가 실험 책에 메모를 작성하는 것처럼 추론을 펼치므로 작업을 재현하기가 더 쉽습니다.

Coscientist의 두 번째 AI는 화학 반응물을 분배하는 로봇 팔의 사용자 매뉴얼을 "읽습니다". 마치 새 잔디 깎는 기계를 작동하는 방법에 대한 팜플렛을 읽는 것처럼 AI는 지침을 "이해"하기 위해 지식을 소비합니다.

마지막으로 세 번째 AI는 로봇팔을 작동해 화학물질을 합성한다. 또한 추가 미세 조정을 위해 시스템에 다시 피드백하기 위해 어떤 반응이 작동하는지, 어떤 반응이 작동하지 않는지 분석하는 "교수 모드"가 내장되어 있습니다.

노벨의 노력

초기 테스트에서 Coscientist는 일종의 바텐더 역할을 했습니다.

다양한 색상의 액체를 적재한 AI는 로봇 팔을 제어하여 96웰 그리드 내부의 라인에 각 색상을 조심스럽게 분사했습니다. 이는 얼음틀에 흘리지 않고 다채로운 색깔의 얼음을 만들려는 것과 같습니다. 대부분 효과가 있었습니다. Coscientist는 "파란색 대각선을 그리세요"라는 간단한 명령으로 지침을 따를 수 있었습니다(약간의 인간의 도움을 받아).

난이도를 높인 다음, 팀은 아스피린, 타이레놀의 활성 성분인 아세트아미노펜, 이부프로펜과 같은 일반적인 진통제를 포함하여 7가지 블록버스터 약물을 합성하는 시스템에 도전했습니다.

Coscientist는 각 로봇 팔에 필요한 각 성분의 양을 계산하고 최적의 속도로 혼합했습니다. AI는 처음에는 어려움을 겪었지만 연습을 통해 로봇 팔이 과열되거나 화학 물질이 끓을 때를 학습했습니다. 결국 노련한 요리사처럼 AI는 원하는 제품에 대한 완벽한 레시피를 찾아냈습니다.

팀은 또한 Coscientist에게 수율을 높이기 위해 다양한 화학 반응을 최적화하도록 요청했습니다. 이는 매우 어려운 화학 과제입니다. 단 10개의 예시만으로 시스템은 기존의 기계 학습 방법보다 더 나은 성능을 발휘했습니다. Coscientist는 GPT 구성 요소에 예제가 충분하지 않아 어려움을 겪었지만 빠르게 학습했습니다. 모든 반복 후에는 "지식"을 획득하고 시간이 지남에 따라 다음 단계를 계획하기 위한 전략을 조정했습니다.

현재 Coscientist는 새로운 화학 학생과 비슷합니다. 현재 출판물을 읽고 분석하고, 아이디어를 생성하고, 테스트할 수 있습니다. 그러나 때로는 말도 안 되는 소리를 내기도 하는데, 이는 대부분의 대규모 언어 모델을 괴롭히는 몰락입니다. 그러므로 화학자들이 사용하는 것이 필요합니다. 그들의 직관 결과를 확인하세요. 실제 화학 문제는 특히 생물학 영역에서 연구에서 다루는 것보다 훨씬 더 복잡합니다.

더 많은 개발을 통해 팀은 Coscientist를 도우미로 구상합니다. 다양한 화학 레시피를 신속하게 테스트할 수 있으며, 로봇 시스템이 작동하는 동안 화학자는 숙면을 취할 수 있습니다.

Gomes는 “우리는 자율적으로 실행되어 새로운 현상, 새로운 반응, 새로운 아이디어를 발견할 수 있는 무언가를 가질 수 있습니다.”라고 말했습니다.

이미지 신용 : 루이스 리드 / Unsplash

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://singularityhub.com/2024/01/09/the-ai-behind-chatgpt-is-ready-to-do-chemistry/