東京大學研究生院工學系研究科的伊東周昌碩士研究生、村岡恆輝助教、中山哲教授開發出了一種利用大規模語言模型（LLM）進行有機分子設計的方法。通過自然語言處理方式整合已積累的科學知識和模擬結果，證明了LLM能夠應用於有機分子設計。相關成果已發表在《Chemistry of Materials》上。
有機分子的定向設計是一項複雜工作，通常需要經驗豐富的實驗化學家反復嘗試。因此，即便在如今計算機能夠進行大量資訊處理的時代，新有機分子的開發仍以實驗化學為主導。
為實現實驗化學經驗與計算機資訊處理能力相結合的共創性有機分子設計，研究團隊引入了LLM技術。LLM是基於海量文本數據訓練的機器學習模型，能夠像人類一樣生成涵蓋多領域課題的文本資訊。
以化學工業的重要物質——無機多孔材料沸石的結晶促進劑（有機結構導向劑）設計為例。這類有機結構導向劑通常具有季銨陽離子結構，通過嵌入沸石晶體內部空間來促進特定晶相的形成。雖然有機結構導向劑在沸石工業生產中被廣泛應用，但由於其佔據了製造成本的大部分，因此尋找低成本替代分子此前一直是個重要課題。此次研究人員應用LLM系統，成功設計出了與沸石內部形狀獨特性配對分組的有機物質。
該方法不僅能生成實驗驗證有效的有機分子及其類似有機分子，還可創造出全新且極具潛力的候選分子。該技術不僅適用於分子設計，還有望為藥物開發及其他複雜化合物的設計開闢新途徑。
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：Chemistry of Materials
論文：Knowledge-Informed Molecular Design for Zeolite Synthesis Using General-Purpose Pretrained Large Language Models Toward Human-Machine Collaboration
DOI：10.1021/acs.chemmater.4c02726
