Towards an Automatic AI Agent for Reaction Condition Recommendation in Chemical Synthesis

人工智能（AI）用于反应条件优化已成为制药行业中的重要话题，因为基于数据的AI模型可以协助药物发现和加速反应设计。然而，现有的AI模型缺乏有经验的人类化学家的化学洞察力和实时知识获取能力。本文提出了一种大型语言模型（LLM）赋能的AI代理，以弥合这一差距。我们提出了一种新颖的三阶段范式，并应用了高级智能增强方法，如上下文学习和多LLM辩论，使AI代理可以借鉴人类的洞察力并通过搜索最新的化学文献来更新其知识。此外，我们引入了一种基于粗标签对比学习（CCL）的化学指纹，大大提高了代理在优化反应条件方面的性能。通过以上努力，所提出的AI代理可以在没有任何人类交互的情况下自主生成最佳的反应条件建议。此外，该代理在化学反应方面非常专业。在干实验和湿实验中，它表现出接近人类的性能和强大的泛化能力。作为化学AI代理的首次尝试，本研究在“化学AI”领域中迈出了一步，并为计算机辅助合成规划开辟了新的可能性。

本论文试图通过提出一种基于大语言模型的人工智能代理来解决药物发现中化学反应优化的问题，以加速反应设计。该代理旨在弥补现有AI模型缺乏人类化学家的化学洞察力和实时知识获取能力的不足。

论文提出了一种新的三阶段范式，并应用了智能增强方法，如上下文学习和多LLM辩论，使AI代理能够借鉴人类洞察力并通过搜索最新的化学文献更新其知识。此外，论文介绍了一种基于粗标签对比学习（CCL）的化学指纹，极大地提高了代理在优化反应条件方面的性能。

本论文的亮点包括：提出了一种基于大语言模型的人工智能代理，能够自主生成最佳反应条件推荐，无需任何人类干预；代理在化学反应方面表现出接近人类的性能和强大的泛化能力；实验设计合理，使用了多个数据集，并提供了开源代码。值得进一步研究的工作包括探索代理在更广泛的化学反应领域中的应用。

最近在这个领域中，还有一些相关的研究，如：1. 'Deep learning for chemical reaction prediction'；2. 'Machine learning models for predicting chemical reactions'；3. 'AI-assisted synthesis planning in the pharmaceutical industry'。