GPT-4搞科研登Nature！布洛芬配方輕松拿捏，諾獎得主提出的復雜反應也能完成

西風 2023-12-21 13:30:47 來源：量子位

西風 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

AI大模型“化學家”登Nature！

能夠自制阿司匹林、對乙酰氨基酚、布洛芬的那種。

就連復雜的鈀催化交叉偶聯(lián)反應，也能完成！

要知道，2010年諾貝爾化學獎獲得者就因為對該反應的研究才獲獎的，這類反應可以高效地構建碳-碳鍵，生成很多以往很難甚至無法合成的物質。

而現(xiàn)在名為Coscientist，基于GPT-4等大模型的AI系統(tǒng)，可快速準確地自主完成檢索信息、規(guī)劃及設計實驗、編寫程序、遠程操控自動化系統(tǒng)做實驗、分析數(shù)據的一整套流程。

一位主頁標注自己是化學家的網友表示：

栓Q，你們創(chuàng)造了更多失業(yè)的博士生。

那么Coscientist究竟是如何做到的？

“化學家”Coscientist長啥樣？

Coscientist由卡內基梅隆大學的研究團隊開發(fā)。

前不久谷歌DeepMind造的AI“化學家”也登上了Nature，號稱一口氣能預測220萬種新材料。

而現(xiàn)在Coscientist則是實打實能自主完成后續(xù)所有實驗流程。

能夠完成如此復雜的實驗任務，關鍵在于多模塊交互的系統(tǒng)架構。

Coscientist內含五大模塊：Planner、Web searcher、Code execution、Docs searcher、Automation。

其中Planner模塊是整個系統(tǒng)的智能中樞，它基于GPT-4打造，負責根據用戶的輸入，調用和協(xié)調其它模塊來規(guī)劃和推進整個實驗。

Planner可以發(fā)出GOOGLE、PYTHON、DOCUMENTATION和EXPERIMENT四個指令。

GOOGLE指令負責使用Web searcher模塊在互聯(lián)網中檢索關于實驗的信息，Web searcher本身也是一個大模型。

PYTHON指令控制Code execution模塊，Code execution是一個隔離的Docker容器，提供一個獨立的Python執(zhí)行環(huán)境，可以完成實驗相關的計算工作。

DOCUMENTATION指令控制Docs searcher模塊，也是用來為中樞提供信息。

但與Web searcher不同，Docs searcher是用于文本檢索和文檔理解。它可以定位實驗設備的技術文檔，比如機械手編程手冊，通過文本挖掘提供給Planner模塊必要的實驗參數(shù)及操作細節(jié)。

而后，Automation模塊負責自動化連接實際實驗設備的API，將Planner制定的實驗方案轉換為設備控制代碼，下發(fā)執(zhí)行，完成實驗操作。

比如，在“云實驗室”中遠程操控移液機器人開展實驗。

如此一來，假設要求Coscientist合成某種物質時，Coscientist會在互聯(lián)網上搜索合成路線；然后設計所需反應的實驗方案；下一步編寫代碼來指導移液機器人；最后運行代碼，使機器人執(zhí)行其預定的任務。

值得一提是，Coscientist還可以進行迭代優(yōu)化，從反應結果中學習，并建議修改方案來改進實驗。

總的來說Coscientist能完成六大任務：

• 根據公開數(shù)據規(guī)劃已知化合物的合成；
• 有效搜索和瀏覽大量的硬件文檔；
• 使用文檔中的信息在云實驗室執(zhí)行高級命令；
• 用低級指令精確控制液體處理儀器；
• 處理需要同時使用多個硬件模塊并整合不同數(shù)據源的復雜科學任務；
• 通過分析之前收集的實驗數(shù)據解決優(yōu)化問題。

成功完成鈀催化交叉偶聯(lián)反應

Coscientist表現(xiàn)究竟如何？研究人員對多個模塊進行了測試。

其中，為測試Coscientist設計化學反應流程的能力，研究團隊要求Coscientist通過檢索學習分別生成阿司匹林、對乙酰氨基酚和布洛芬等藥物分子。

并且還設置了GPT-3.5、GPT-4、Claude 1.3、Falcon-40B-Instruct不同模型的比較。

基于GPT-4的Web Searcher顯著改進了合成計劃，在對乙酰氨基酚、阿司匹林、硝基苯胺和酚酞的所有試驗中都達到了最高分（上圖b，數(shù)字“5”代表生成了一個非常詳細且化學上準確的操作步驟）。

重點還要看Coscientist的一體化能力。為此，研究人員設計了催化交叉偶聯(lián)實驗。

研究人員設置了可利用的實驗設備，包含：OpenTrons OT-2液體處理機器人；數(shù)個微板，包括放置反應物的源微板和放置在加熱震蕩模塊上的目標微板。

源板上準備了實驗所需的試劑，包括己烷基碘、溴苯、氯苯、苯基乙炔、苯硼酸等原料，還有催化劑、堿和溶劑。

Coscientist的目標是利用這些試劑成功設計和運行兩種常見鈀催化偶聯(lián)反應Suzuki反應和Sonogashira反應。

Coscientist首先通過Web searcher模塊搜索確定Suzuki反應和Sonogashira反應的最佳反應條件，如溫度、當量比等參數(shù)。

然后合理選擇了不同的試劑，例如Suzuki反應時優(yōu)先選擇溴苯而不是氯苯。同時Coscientist提供選擇的化學依據，如反應活性。

接著，Coscientist調用Code execution模塊，根據各反應物的濃度和當量計量計算所需體積。

生成控制機器人進行移液操作的Python代碼，指定源孔板與目標孔板之間的轉移體積。

但中間出現(xiàn)個小插曲，最初使用的加熱震蕩模塊的方法名錯誤。

之后Coscientist迅速查閱了Opentrons設備文檔糾正了方法名，重新生成正確代碼，成功完成了Suzuki反應和Sonogashira反應。

最終，產物通過GC-MS技術驗證，檢測到目標產物的特征質譜信號，證實目標產物生成。

論文鏈接：https://www.nature.com/articles/s41586-023-06792-0