目前利用大型语言模型，如“Coscientist”人工智能系统，可以为给定的分子结构设计合成路线。其工作流程大致为：当被问及能否合成某个分子时，首先会在互联网上搜索相关合成路线，接着根据搜索结果制定实验协议，然后将实验协议写成代码以指导自动化实验设备，最后由机器人执行实验任务。这个过程是可迭代的，能根据实验结果调整协议以改进实验并实现预期目标。
在生物学领域，AI 也能在创造新的蛋白质方面发挥作用。例如，华盛顿大学的研究员克里斯·诺恩先生最近使用 AI 创造了一种类似萤火虫的发光蛋白质，其他研究人员也已在寻找治疟疾疫苗和帕金森病研究中使用了 AI。过去创造新蛋白质需要确定氨基酸序列如何折叠成最终分子结构以确定其实际功能，过程艰难，而现在 AI 极大地提高了效率。
原创xiaoming乐谷说2023-12-23 23:00文章地址：https://www.nature.com/articles/s41586-023-06792-0nature前几天发来王炸，论文标题《Autonomous chemical research with large language models》，趁着周末读了一下。图里的意思大概可以这么理解。这张图片展示了一个名为“Coscientist”的人工智能系统的工作流程图，该系统用于自动化化学研究。图中描述了从一个简单的人类提示开始，到实验结束的整个过程。具体步骤包括：文献搜索（Literature search）：当被问及是否能合成某个分子A时，Coscientist首先会在互联网上搜索相关的合成路线。协议选择（Protocol selection）：接着，Coscientist会根据搜索结果制定实验协议。翻译成代码（Translation into code）：然后，Coscientist会将实验协议写成代码，以指导自动化实验设备。实验（Experiment）：最后，机器人根据代码执行实验任务。这个过程是可迭代的，意味着Coscientist可以根据实验结果调整协议，以改进实验并实现预期目标。这个系统利用大型语言模型来规划和实施化学任务，展示了人工智能在化学研究中的应用潜力。价值在于：
人物：克里斯·诺恩（Chris Norn）职业：华盛顿大学的研究员两年前，研究人员破解了使用AI预测蛋白质形状的代码。创造新的蛋白质是一项关键的科学事业：过去，人类已经能够为糖尿病患者制造胰岛素类似物和能够抵抗癌症的免疫细胞。但这很难——创造一个新的蛋白质需要确定氨基酸序列将如何折叠成最终的分子结构，以确定蛋白质实际功能。诺恩先生说：「在此之前，我们必须先绘制出我们想要的新蛋白质的蓝图，然后我们会花费很多时间让计算机生成示例，很少有这些示例能够成功。」现在，AI可以做到这一点。他最近使用它创造了一种类似萤火虫的发光蛋白质，其他研究人员也已经在寻找治疟疾疫苗和帕金森病研究中使用了AI。「我们每天只能测试那么多的假设，我可能有一个想法，也许是一个特定结构的蛋白质，我没有记住所有的蛋白质结构，但算法已经记住了它们，它已经查看了所有结构，并为如何组装新结构制定了一般规则，这真是太神奇了！」他已经从事蛋白质研究有十年了，他说这是他迄今为止效率最高的方法。「这很疯狂，一切都变得更容易了」?