编辑：桃子 润

ChatGPT大模型爆火这一年，没想到竟颠覆了整个化学领域。

先是谷歌DeepMind的AI工具GNoME成功预测出200万种晶体结构，随后微软推出的MatterGen，大大加速了设计所需材料特性的速度。

今天，CMU和Emerald Cloud Lab的研究团队开发了一种全新自动化AI系统——Coscientist，荣登Nature。

它可以设计、编码和执行多种反应，完全实现了化学实验室的自动化。

领导这项研究的CMU化学家Gabe Gome表示，「当我看到一种非有机智能能够自主计划、设计和执行人类发明的化学反应的那一刻，真是太神奇了」！

GPT-4自动化学研究

当前，AI工具在科学领域的应用激增，但对于在实验室工作的研究人员，或那些不精通代码的人来说，AI并非唾手可得。

我们都知道，化学研究建立在迭代循环的基础上。在这个循环中，实验被设计、执行，然后进行改进以实现特定目标。

对于化学家来说，所做的研究是多管齐下的——不仅需要执行化学反应的技术技能，还需要规划和设计化学反应的知识。

Coscientist被指示用液体处理机器人进行不同的设计

液体处理机仅是一个初试，团队人员通过Emerald Cloud Lab实验室合作，还将Coscientist引入了更多类型的机器人设备，

这家实验室配备了各种自动化仪器，包括测量被化学样品吸收的光波长的分光计。

一个盘子里面装着3种不同颜色（红黄蓝）的液体，Coscientist被要求确定这些液体是什么颜色，以及它们在盘子上的什么位置。

Coscientist没有「眼睛」，只能通过编写代码，将神秘的色板自动传递给分光光度计，并分析每个孔吸收的光的波长，从而识别出有哪些颜色，及其在色板上的位置。

对于这项任务，研究人员不得不稍微给Coscientist一点提示，指示它考虑不同颜色吸收光的方式。

剩下的任务，就可完全放心交给AI系统去完成。

由Coscientist生成的代码。分为以下几个步骤：定义方法的元数据、加载实验器皿模块、设置液体处理器、执行所需的试剂转移、设置加热器-振动器模块、运行反应以及关闭模块。

4分钟复现诺奖，自主纠正代码错误

Coscientist的终极测试是，将其组装的模块和训练放在一起，以完成研究团队执行「Suzuki和Sonogashira反应」的命令。

这种反应是在20世纪70年代发现的，使用金属钯作为催化剂，在有机分子中的碳原子之间形成键。

事实证明，这些反应在生产治疗炎症、哮喘和其他疾病的新型药物方面非常有用。它们还用于有机半导体，以及许多智能手机和显示器中的有机发光二极管。

值得一提的是，这些突破性的反应及其广泛的影响得到了正式认可，2010年诺贝尔奖便授予了Sukuzi、Richard Heck和Ei-ichi Negishi。

当然，Coscientist以前从未尝试过这些反应。

MacKnight表示，设计了Coscientist搜索技术文档的软件模块，「对我来说，最惊艳的时刻是看到它问了所有正确的问题。」

Coscientist主要在维基百科上寻找答案，也还有许多其他网站，包括美国化学学会、皇家化学学会和其他包含描述Suzuki和Sonogashira反应的学术论文的网站。

钯催化偶联反应整个流程

在不到4分钟的时间里，Coscientist设计了一个使用团队提供的化学物质产生所需反应的准确程序。

当它试图用机器人在现实世界中执行程序时，它在编写的代码中「犯了一个错误」，该代码用来控制加热和摇动液体样品的设备。

但是在没有人的提示的情况下，Coscientist立即发现了问题，重新参考了设备的技术手册，更正了代码并再次尝试。

实验结果被装在了几个极小的透明液体样本中。Boiko分析了样品，发现了铃木反应和Sonogashira反应的光谱特征。

当Boiko和MacKnight告诉Gomes Coscientist的成果时，Gomes表示怀疑。

PYTHON命令使用一个隔离的Docker容器执行代码（不依赖于任何语言模型），以保护用户的机器免受规划器要求的任何意外操作的影响。

重要的是，规划器背后的语言模型可以在软件出错时修复代码。这同样适用于自动化模块的EXPERIMENT 命令，该命令可在相应硬件上执行生成的代码，或为手动实验提供合成程序。

AI让每个人都能成为科学家

自然界的大小和复杂性几乎是无限的，无数新的科学发现有待人类突破。

想象一下，新的超导材料可以显著提高能源效率，或者化合物可以治愈原本无法治愈的疾病，延长人类的寿命。

然而，获得取得这些突破所需的教育和培训是一段漫长而艰巨的旅程，成为一名科学家实在是太难了。

但是Gomes和他的团队设想，像Coscientist这样的人工智能辅助系统是一种解决方案，可以为全世界大量提供「AI科学家」来满足科研的人力需求。

人类科学家也需要休息，睡眠。而人类引导的人工智能可以全天候地「科研」。

「自主运行的AI系统可以发现新现象、新反应、新想法」。

科学上有一个反复尝试、失败、学习和改进的过程，人工智能可以大大加快这一过程。

「这可以显著降低几乎任何领域的准入门槛」Gomes说。例如，如果一位未受过「钯催化偶联反应」训练的生物学家想以一种新的方式探索反应的用途，他们可以请Coscientist帮助他们计划实验。

参考资料：

https://www.nature.com/articles/d41586-023-04073-4