A Review of Large Language Models and Autonomous Agents in Chemistry

大型语言模型（LLMs）正在多个领域中成为化学强大的工具。在化学中，LLMs能够准确地预测性质、设计新分子、优化合成途径以及加速药物和材料的发现。一个核心的新兴思想是将LLMs与合成规划器和数据库等化学特定工具相结合，从而产生所谓的“代理人”。本综述涵盖了LLMs的最近历史、当前能力、设计、化学特定挑战和未来方向。特别关注代理人及其作为跨化学范式的出现。代理人在化学的不同领域已被证明是有效的，但仍存在挑战。目前尚不清楚创建面向特定领域的代理人与通用代理人以及开发自主管道与“副驾驶”系统是否会加速化学。一种新兴的方向是开发使用人类参与的多代理系统。由于这个领域的快速发展，已经建立了一个存储库来跟踪最新的研究：https://github.com/ur-whitelab/LLMs-in-science。

如何将大型语言模型（LLMs）应用于化学领域中的分子设计、合成路径优化、药物和材料发现等问题？

将LLMs与化学特定工具（如合成规划器和数据库）相结合，形成所谓的“代理人（agents）”，并探索开发多代理人系统以加速化学研究。

本文介绍了LLMs在化学领域中的应用历史、当前能力、设计和挑战，并重点介绍了代理人的概念和应用。代理人在化学领域的多个领域中表现出良好的效果，但仍然存在挑战。本文提出了开发多代理人系统的新方向。

最近的相关研究包括：1. 'Deep learning for chemistry' (2018)；2. 'Machine learning in chemoinformatics and drug discovery' (2019)；3. 'AI-assisted design of small molecules' (2020)。