Synthelite：面向化学家且可行性导向的 LLM 合成规划
人工智能
2025-12-19 v1
摘要
计算机辅助合成规划（CASP）长期以来被视为合成化学家的补充工具。然而，现有的框架往往缺乏机制，允许与人类专家交互，限制了其整合化学家见解的能力。在本工作中，我们引入 Synthelite，一个使用大语言模型（LLM）直接提出反向合成变换的合成规划框架。Synthelite 能够通过利用 LLM 内在的化学知识和推理能力，生成端到端的合成路线，同时允许通过自然语言提示进行专家干预。我们的实验表明，Synthelite 能够灵活地适应其规划轨迹以适应多样化的用户指定约束，在策略受限和起始材料受限的合成任务中实现最高达 95% 的成功率。此外，Synthelite 具备在路线设计中考虑化学可行性的能力。我们设想 Synthelite 不仅是有用的工具，也是 LLM 成为合成规划中心编排器的一步步进。
关键词
引用
@article{arxiv.2512.16424,
title = {Synthelite: Chemist-aligned and feasibility-aware synthesis planning with LLMs},
author = {Nguyen Xuan-Vu and Daniel Armstrong and Milena Wehrbach and Andres M Bran and Zlatko Jončev and Philippe Schwaller},
journal= {arXiv preprint arXiv:2512.16424},
year = {2025}
}