CACTUS：将工具使用与科学相连接的化学智能体
计算与语言
2024-10-30 v1 人工智能
机器学习
化学物理
定量方法
摘要
大型语言模型（LLM）在各个领域展现出了显著潜力，但通常缺乏访问和推理领域特定知识与工具的能力。本文我们提出了 CACTUS（Chemistry Agent Connecting Tool-Usage to Science，将工具使用与科学相连接的化学智能体），这是一个基于 LLM 的智能体，集成了化学信息学工具，以实现化学和分子发现中的高级推理与问题求解。我们在包含数千个化学问题的基准测试上，使用多种开源 LLM（包括 Gemma-7b、Falcon-7b、MPT-7b、Llama2-7b 和 Mistral-7b）评估了 CACTUS 的性能。结果表明，CACTUS 显著优于基线 LLM，其中 Gemma-7b 和 Mistral-7b 模型无论使用何种提示策略均取得了最高准确率。此外，我们探讨了领域特定提示和硬件配置对模型性能的影响，强调了提示工程的重要性，以及在消费级硬件上部署较小模型而不显著降低准确率的潜力。通过结合开源 LLM 的认知能力与领域特定工具，CACTUS 能够辅助研究人员完成分子性质预测、相似性搜索和类药性评估等任务。此外，CACTUS 代表了化学信息学领域的一个重要里程碑，为从事化学和分子发现的研究人员提供了一个适应性强的工具。通过整合开源 LLM 与领域特定工具的优势，CACTUS 有潜力加速科学进步，并在探索新型、有效且安全的治疗候选物、催化剂和材料方面开辟新前沿。而且，CACTUS 与自动化实验平台集成并实时做出数据驱动决策的能力，为自主发现开辟了新的可能性。
引用
@article{arxiv.2405.00972,
title = {CACTUS: Chemistry Agent Connecting Tool-Usage to Science},
author = {Andrew D. McNaughton and Gautham Ramalaxmi and Agustin Kruel and Carter R. Knutson and Rohith A. Varikoti and Neeraj Kumar},
journal= {arXiv preprint arXiv:2405.00972},
year = {2024}
}