ChemCrow：以化学工具增强大语言模型
化学物理
2023-10-03 v5 机器学习
摘要
过去几十年间，人们开发了优异的计算化学工具。将其整合至一个具有更高可及性的单一平台，可通过克服陡峭的学习曲线而助其发挥全部潜力。近期，大语言模型（LLM）在跨领域任务中展现出强劲性能，但在化学相关问题上表现不佳。此外，这些模型缺乏访问外部知识源的权限，限制了其在科学应用中的效用。本研究中，我们引入 ChemCrow，一个专为有机合成、药物发现与材料设计等任务而设计的 LLM 化学智能体。通过集成 18 个专家设计的工具，ChemCrow 增强了 LLM 在化学上的表现，并涌现出新的能力。我们的智能体自主规划并执行了一种驱虫剂、三种有机催化剂的合成，并引导发现了一种新型发色团。我们包含 LLM 与专家评估的评价展示了 ChemCrow 在自动化多样化化学任务上的有效性。令人惊讶的是，我们发现作为评价者的 GPT-4 无法区分明显错误的 GPT-4 补全与 ChemCrow 的表现。我们的工作不仅助力专家化学家并降低非专家门槛，也通过弥合实验化学与计算化学之间的鸿沟来促进科学进步。
引用
@article{arxiv.2304.05376,
title = {ChemCrow: Augmenting large-language models with chemistry tools},
author = {Andres M Bran and Sam Cox and Oliver Schilter and Carlo Baldassari and Andrew D White and Philippe Schwaller},
journal= {arXiv preprint arXiv:2304.05376},
year = {2023}
}
备注
Experimental results