Модели Claude осваивают химию: анализ спектров ЯМР на уровне специализированного ПО

Компания Anthropic опубликовала результаты первого исследования, направленного на интеграцию возможностей своих языковых моделей в повседневную работу химиков. В центре внимания оказался анализ спектров ядерного магнитного резонанса (ЯМР) — одного из самых распространенных и трудоемких аналитических методов в синтетической химии.

Понимание структуры молекулы критически важно. От того, как соединены атомы, зависят свойства вещества: будет ли оно лекарством или ядом. Химики постоянно переводят информацию между разными форматами: набросками на доске, показаниями приборов и строками запросов в базах данных. Этот процесс требует времени и высокой концентрации.

Проблема данных в химии

Инструменты машинного обучения (ML) уже много лет позиционируются как решение для прогнозирования реакций и ретросинтеза — планирования пути создания молекулы от конечного продукта к простым исходным веществам. Однако развитие тормозилось качеством данных. Химические данные часто имеют непоследовательный формат, скрыты за пейволлами научных журналов или представлены в виде неструктурированной информации.

Современные большие языковые модели (LLM) меняют правила игры. Они мультимодальны и способны к явному рассуждению. Модель может считать химическую структуру прямо из рисунка в статье или распознать экспериментальные детали в том виде, в котором они опубликованы.

Эксперимент и результаты

Исследователи протестировали три версии модели Claude (Opus 4.7, Opus 4.6 и Sonnet 4.6) в сравнении с классическим программным обеспечением для химиков — ChemDraw и MestReNova. Чтобы избежать искажений из-за наличия данных в обучающей выборке, для тестов отобрали 20 новых соединений из препринтов, опубликованных после завершения обучения моделей.

Перед системами поставили задачу прямого прогнозирования: на основе текстового описания структуры (в формате SMILES) предсказать, как будет выглядеть одномерный спектр ЯМР для водорода и углерода.

Результаты показали высокую конкурентоспособность новых моделей:

• На спектрах водорода модель Opus 4.7 оказалась наиболее точной. Средняя ошибка составила ±0.079 миллионных долей (ppm), что значительно ниже допустимой для химиков погрешности в ±0.20 ppm.
• На спектрах углерода Opus 4.7 и программа MestReNova показали практически идентичные результаты (ошибка ±1.37 и ±1.48 ppm соответственно).
• В предсказании формы пиков (расщепления) все три модели Claude оказались точнее классических инструментов, предсказывая расстояние между субпиками с точностью до половины герца примерно в 80% случаев (против 26-35% у классического ПО).

Обратное прогнозирование

Помимо прямого прогнозирования, исследователи протестировали Opus 4.7 на более сложной задаче — определении структуры молекулы по готовому спектру. Модели предоставили точную молекулярную формулу и спектры ЯМР для 15 задач разной сложности. Это именно та работа, которую химики обычно выполняют вручную, опираясь на свой опыт и интуицию.

Что это означает для индустрии

Мы наблюдаем, как языковые модели выходят за рамки работы с текстом и кодом, становясь полезными ассистентами в точных науках. Способность ИИ брать на себя рутинную работу по переводу данных между форматами и первичной интерпретации спектров не заменяет суждение ученого, но существенно дополняет его.

В перспективе такие инструменты могут значительно ускорить процессы разработки новых лекарств, материалов и химических соединений, снимая с исследователей часть когнитивной нагрузки при анализе экспериментальных данных.