AI化學家來了：華人學者一作Nature論文：AI生成化學合成實驗方案，加速藥物設計

撰文丨王聰

編輯丨王多魚

排版丨水成文

科學文獻正在呈現指數級增長，在各學科領域都帶來了日益嚴峻的挑戰。每年都有數十萬種新的化學反應被報道，然而，將它們轉化為可操作的實驗卻成了一個障礙。

近期，大語言模型（LLM）的應用展現出了一定的前景，但能夠可靠地對各種新化合物進行多樣轉化的 AI 系統，仍難以實現。

2026 年 1 月 19 日，耶魯大學的研究人員在國際頂尖學術期刊Nature上發表了題為：Collective intelligence for AI-assisted chemical synthesis 的研究論文。

該研究開發了一個名為MOSAIC的 AI 系統，它能夠生成帶有置信度指標、可重復且可直接執行的復雜化學合成實驗方案。在實驗驗證中，這一 AI 系統取得了 71% 的整體成功率，實現了超過 35 種新化合物的合成。更令人驚訝的是，它甚至發現了訓練數據中未曾出現過的新化學反應方法。

論文第一作者Haote Li（現為默沙東研究科學家）表示，現有的 AI 化學系統依賴于單一的大型模型來為用戶提供幫助。而 MOSAIC 框架能讓用戶從成千上萬種不同的化學反應領域中獲取專業知識。這項研究證明了這種方法在類似任務上的表現優于商業化的大語言模型，同時在真正多樣化的化學空間中實現了大量化合物的合成，包括藥物、催化劑、先進材料、農用化學品，甚至化妝品。

化學家的困境：信息海洋中的摸索

隨著科學文獻的爆炸式增長，化學領域研究人員正面臨前所未有的挑戰。每年有數十萬個新的化學反應被報道，但將這些知識轉化為實驗室中的可行方案，仍嚴重依賴專家的個人經驗與耗時的手動檢索，這種傳統方法效率低下且難以規模化。

面對這種困境，耶魯大學的研究團隊團隊提出了一個革命性解決方案——MOSAIC（Multiple Optimized Specialists for AI-assisted Chemical Prediction），這是一個新型計算框架，能讓化學家利用數百萬個反應方案的集體知識。

MOSAIC 框架

MOSAIC 如何工作：集體智能的威力

MOSAIC的核心思想是“集體智能”（Collective intelligence）。研究團隊基于 Llama-3.1-8B-instruct 架構，在 Voronoi 聚類空間中訓練了 2498 個專項化學“專家”。

就像在一家擁有眾多專科醫生的綜合性醫院，當患者到來時，系統會根據患者癥狀將其分診到最合適的專家那里。同樣，MOSAIC 將化學反應空間劃分為多個專業區域，每個區域都有專門的 AI 專家處理。

這種設計的優勢在于，系統能夠持續擴展其覆蓋范圍與精度，避免了嚴格反應類型定義的局限，允許系統直接從數據中發現和利用轉化模式間的相似性。

實驗結果：超越傳統 AI 的化學洞察力

在最關鍵的測試中，MOSAIC 展現出了卓越的性能。

在產率預測分析中，MOSAIC 的預測區間中值與真實產率中位數呈現了顯著相關性（R2=0.811），表明它能有效捕捉不同反應類型的產率模式，而非簡單記憶常見反應。

在試劑和溶劑預測方面，當聚合最多三位專家的預測結果時，試劑的完全匹配率大幅提升至 43.0%。更重要的是，在多位專家預測模式下，至少能部分預測出正確試劑或溶劑的成功率高達 94.8%。

研究團隊還將 MOSAIC 與 ChatGPT-4o mini、Claude 3.5 系列等通用大語言模型進行了對比。結果發現，僅擁有 80 億參數的 MOSAIC，其性能超越了參數規模大數個數量級的通用大語言模型。

人機協同：AI 是化學家的“指南針”而非“替代品”

研究表明，MOSAIC 與人類化學家的關系不是取代，而是增強。研究團隊將 MOSAIC 比作現代化學合成的“指南針”，其價值在于能夠快速審視廣闊的化學空間，識別出那些原本需要大量文獻調研和積累經驗才能發現的有潛力的實驗方向。

這種“科學家-AI”共生體正是未來化學研究的發展方向。MOSAIC 的優勢在于將確定合適條件的繁瑣過程縮短至幾分鐘內，讓人類專家可以專注于更富創造性的工作。

未來展望：化學研究新范式

隨著 MOSAIC 等 AI 系統的不斷完善，化學研究范式正在發生深刻變革。可以預見，在不久的將來，AI 輔助的化學合成將成為常態，大大加速新藥研發、功能材料設計等領域的進程。正如科學史上每一次技術革命一樣，這不會是人類科學家角色的終結，而是化學研究新紀元的開始。

最終，AI 與人類化學家的協同合作，將推動化學科學向著更深、更廣的領域拓展，為人類解決能源、醫療、環境等重大挑戰提供全新可能。

論文鏈接：

https://www.nature.com/articles/s41586-026-10131-4