OpenAI и Molecule.one продемонстрировали систему, в которой языковая модель управляет автоматизированной лабораторией. ИИ смог предложить и доказать способ повышения выхода сложной химической реакции.
3 мин
Компании OpenAI и Molecule.one представили результаты совместного проекта на стыке искусственного интеллекта и медицинской химии. Языковая модель GPT-5.4, интегрированная с автоматизированной лабораторией Maria, смогла самостоятельно предложить и экспериментально подтвердить способ улучшения важной химической реакции — реакции кросс-сочетания Чан-Лама.
Это не просто теоретический вывод. ИИ выступил в роли полноценного партнера: проанализировал литературу, выдвинул гипотезу, спланировал эксперименты, проанализировал результаты и предложил дальнейшие шаги. Это важный прецедент использования больших языковых моделей (LLM) для решения прикладных задач в реальном физическом мире.
Органическая химия лежит в основе создания всех низкомолекулярных лекарств. Одной из главных проблем в разработке новых препаратов является химический синтез. Ученые могут тестировать только те молекулы, которые способны физически создать.
Реакция Чан-Лама широко используется для формирования углерод-азотных связей, которые часто встречаются в медицинских препаратах. Однако при работе с первичными сульфонамидами (важным классом молекул для онкологии и лечения инфекций) эта реакция исторически давала очень низкий выход продукта. Если реакция неэффективна, химикам приходится тратить месяцы на поиск обходных путей или вовсе отказываться от перспективных молекул.
Система работала в полуавтономном режиме. Человеческие специалисты задали открытую цель: улучшить один из классов реакций. GPT-5.4 сгенерировала тысячи предложений, из которых люди выбрали четыре наиболее перспективных для проверки в лаборатории.
Самым успешным оказался проект OAI-M1-03. Модель предложила использовать мягкие окислители, в частности TEMPO, для повышения эффективности реакции.
Chart comparing TEMPO, 4-hydroxy-TEMPO, 4-oxo-TEMPO, and PMP performance with chemical structures.
Автоматизированная лаборатория Maria провела 10 080 реакций в микролитровом масштабе — объем работы, на который у обычного химика ушло бы около десяти лет. Результаты показали значительное улучшение:
Позже химики-люди вручную воспроизвели эти результаты в стандартном лабораторном масштабе. Увеличение выхода подтвердилось для 11 из 14 пар субстратов, причем в большинстве случаев рост был более чем двукратным.
Главный вывод этого исследования заключается в изменении роли ИИ в научном процессе. Языковая модель перестала быть просто инструментом для суммаризации статей или написания кода. Она перешла в статус генератора гипотез, способного взаимодействовать с физическим оборудованием через программный интерфейс (API).
Масштаб высокопроизводительных экспериментов сыграл ключевую роль. В химии результаты часто бывают обманчивыми: то, что работает на одной паре веществ, может провалиться на других. Проведение более десяти тысяч тестов позволило ИИ выявить системные закономерности и даже предложить более дешевый аналог найденного окислителя (4-гидрокси-TEMPO) на втором этапе исследований.
При этом важно отметить, что система не является полностью автономной. Ученые-люди корректировали планы (например, исключили растворитель DMSO из-за рисков побочных реакций), настраивали оборудование и проводили финальную валидацию.
Успех проекта открывает новые возможности для фармацевтической индустрии. Ускорение и удешевление химического синтеза может напрямую повлиять на сроки вывода новых лекарств на рынок.
Следующим важным шагом станет независимая проверка результатов другими лабораториями. Если предложенный метод окажется устойчивым в широкой практике, это докажет жизнеспособность концепции "ИИ как научный партнер". В будущем мы, вероятно, увидим появление еще большего числа специализированных агентов, объединяющих мощные языковые модели с роботизированными исследовательскими комплексами в биологии, физике и материаловедении.
Связка языковой модели GPT-5.4 и автоматизированной лаборатории смогла найти способ улучшить сложную химическую реакцию, доказав способность ИИ выступать в роли активного соавтора научных открытий.
Главная ценность ИИ здесь не в интеллекте как таковом, а в способности бесшовно соединять анализ огромных массивов данных с управлением высокопроизводительным физическим оборудованием, выполняя десятилетнюю работу за несколько недель.
