东京大学研究生院工学系研究科的伊东周昌硕士研究生、村冈恒辉助教、中山哲教授开发出了一种利用大规模语言模型（LLM）进行有机分子设计的方法。通过自然语言处理方式整合已积累的科学知识和模拟结果，证明了LLM能够应用于有机分子设计。相关成果已发表在《Chemistry of Materials》上。
有机分子的定向设计是一项复杂工作，通常需要经验丰富的实验化学家反复尝试。因此，即便在如今计算机能够进行大量信息处理的时代，新有机分子的开发仍以实验化学为主导。
为实现实验化学经验与计算机信息处理能力相结合的共创性有机分子设计，研究团队引入了LLM技术。LLM是基于海量文本数据训练的机器学习模型，能够像人类一样生成涵盖多领域课题的文本信息。
以化学工业的重要物质——无机多孔材料沸石的结晶促进剂（有机结构导向剂）设计为例。这类有机结构导向剂通常具有季铵阳离子结构，通过嵌入沸石晶体内部空间来促进特定晶相的形成。虽然有机结构导向剂在沸石工业生产中被广泛应用，但由于其占据了制造成本的大部分，因此寻找低成本替代分子此前一直是个重要课题。此次研究人员应用LLM系统，成功设计出了与沸石内部形状特异性匹配的有机物。
该方法不仅能生成实验验证有效的有机分子及其类似有机分子，还可创造出全新且极具潜力的候选分子。该技术不仅适用于分子设计，还有望为药物开发及其他复杂化合物的设计开辟新途径。
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
期刊：Chemistry of Materials
论文：Knowledge-Informed Molecular Design for Zeolite Synthesis Using General-Purpose Pretrained Large Language Models Toward Human-Machine Collaboration
DOI：10.1021/acs.chemmater.4c02726
