Інтеграція ШІ та блокчейну: Новий виток у наукових дослідженнях
Розробка нових молекул є одним із найскладніших завдань у хімії. Це вимагає не лише розуміння того, які атоми з’єднувати, а й правильного порядку реакцій, захисту чутливих частин молекули та уникнення “глухих кутів”, які можуть звести нанівець місяці лабораторної роботи. Традиційно ці знання зберігаються в досвіді хіміків. Проте, команда дослідників з EPFL (Федеральної політехнічної школи Лозанни) прагне інтегрувати ці знання у великі мовні моделі (LLM).
Synthegy: ШІ для оптимізації хімічного синтезу
На початку 2025 року команда під керівництвом Філіпа Шваллера опублікувала статтю в журналі Matter, описуючи Synthegy – фреймворк, що використовує LLM як “двигуни міркувань” для планування хімічного синтезу. Ключова ідея полягає не в генерації молекул штучним інтелектом, а в оцінці вже існуючих шляхів синтезу, створених традиційним програмним забезпеченням. Процес роботи Synthegy виглядає так: хімік вводить мету простими словами, наприклад, “сформувати піримідинове кільце на ранніх стадіях”. Потім спеціалізоване програмне забезпечення для ретросинтезу, яке працює шляхом розбиття цільових молекул на простіші компоненти, генерує десятки або сотні можливих шляхів синтезу. Synthegy конвертує кожен шлях у текстовий формат і передає його LLM. Модель оцінює кожен шлях за ступенем відповідності інструкціям хіміка, надаючи найкращі варіанти з детальними поясненнями.
“При створенні інструментів для хіміків користувацький інтерфейс має велике значення, а попередні інструменти покладалися на громіздкі фільтри та правила”, – зазначив Андрес М. Бран, провідний автор дослідження.
Валідація та ефективність
Система була валідована в подвійному сліпому дослідженні за участю 36 незалежних хіміків, які розглянули 368 пар шляхів синтезу. Їхні вибори збіглися з рекомендаціями Synthegy у 71,2% випадків – показник, що приблизно відповідає рівню узгодженості між експертами-хіміками. Досвідчені дослідники (професори та наукові співробітники) погоджувалися з Synthegy частіше, ніж аспіранти, що свідчить про здатність системи вловлювати ті самі стратегічні інтуїції, які приходять з досвідом.
Використання LLM та потенціал для Web3
Дослідники тестували різні моделі ШІ, включаючи GPT-4o, Claude та DeepSeek-r1. Хоча ШІ вже давно використовується у розробці ліків, більшість підходів зосереджені на вузькоспеціалізованих моделях. Synthegy розроблено як модульний фреймворк, який може інтегруватися з будь-яким ретросинтетичним двигуном і будь-якою потужною LLM. Модель Gemini-2.5-pro показала найвищі результати в тестуванні, а DeepSeek-r1 є сильною відкритою альтернативою, яку можна запускати локально. Фреймворк також допомагає у вивченні механізмів реакцій – розумінні того, чому хімічна реакція відбувається і які переміщення електронів відбуваються на кожному етапі. Synthegy розбиває реакції на елементарні кроки, а LLM оцінює хімічну правдоподібність кожного кандидата. Для простих реакцій, таких як нуклеофільне заміщення, найкращі моделі досягли майже ідеальної точності.
Потенційні застосування цього фреймворку є надзвичайно широкими, зокрема у відкритті ліків. Але той самий підхід може бути застосований скрізь, де хімікам потрібно розробляти нові матеріали або оптимізувати промислові реакції. Практична сторона: оцінка 60 кандидатських шляхів за допомогою Synthegy займає близько 12 хвилин і коштує приблизно 2–3 долари США за API-виклики.
Обмеження та доступність
Дослідження також визнає поточні обмеження. LLM іноді неправильно інтерпретують напрямок реакції в її текстовому представленні, що призводить до помилкових оцінок можливості реалізації. Менші моделі не демонструють кращих результатів, ніж випадкове вгадування. Шляхи, що перевищують 20 кроків, стають складнішими для послідовного відстеження. Код та результати бенчмарків є загальнодоступними на github.com/schwallergroup/steer.
Погляд Crypto Top: Інтеграція ШІ-агентів, здатних аналізувати та оптимізувати складні процеси, подібні до хімічного синтезу, може стати каталізатором для розвитку децентралізованих обчислювальних мереж. Це може призвести до появи нових токенів, що стимулюють надання обчислювальних потужностей для таких досліджень, або до інтеграції ШІ-аналітики в екосистеми DeFi через смарт-контракти.
Джерело: decrypt.co