用于化学反应条件推荐的文本增强多模态大语言模型
人工智能
2025-09-26 v2 机器学习
化学物理
摘要
在化学和药物研究中，识别适用于多样底物的反应条件一直是一项长久的挑战。虽然已有许多方法可生成性能可接受的条件，但可靠发现通用有效条件的通用方法仍较少。因此，当前的反应优化过程往往依赖大量试验，耗时且成本高昂。近年来，大语言模型 (LLM) 已展现出解决化学问题的能力，如分子设计和化学推理任务。本文报告了 Chemma-RC 的设计、实现与应用，该模型是一种文本增强的多模态大语言模型，通过任务特定的对话和条件生成来识别有效条件。Chemma-RC 通过将多模态信息（包括文本语料、反应 SMILES 和反应图）在共享嵌入模块中对齐，学习了化学反应的统一表示。基准测试显示，其在识别最优条件方面具有高精度，较当前最先进方法提升最高可达 17%。对 palladium 催化的仿唑 C-H 芳化反应进行实验验证，评估了 Chemma-RC 的实际功能。我们的发现表明，Chemma-RC 有望显著加快化学合成中的高通量条件筛选。
引用
@article{arxiv.2407.15141,
title = {Text-Augmented Multimodal LLMs for Chemical Reaction Condition Recommendation},
author = {Yu Zhang and Ruijie Yu and Kaipeng Zeng and Ding Li and Feng Zhu and Xiaokang Yang and Yaohui Jin and Yanyan Xu},
journal= {arXiv preprint arXiv:2407.15141},
year = {2025}
}