اولین دستیار آزمایشگاه هوش مصنوعی مجهز به GPT-4 به طور مستقل واکنش های ارگانیک کلیدی را هدایت می کند | پژوهش

شیمیدانان محاسباتی مستقر در ایالات متحده توسعه یافته اند یک دستیار تحقیقاتی هوش مصنوعی (AI) به نام Coscientist که وظایف وقت گیر مانند حل شرایط واکنش و نوشتن کد برای سیستم های خودکار را بر عهده می گیرد.. گیب گومزتیم ‘s در دانشگاه کارنگی ملون در پیتسبورگ مدل زبان بزرگ GPT-4 (LLM) را اقتباس کردند که نسخه پولی ChatGPT را برای انجام عملکردهای مختلف در Coscientist قدرت می‌دهد. دانشمندان اکنون به طور رسمی اولین نمایش Coscientist را از طراحی، برنامه ریزی و اجرای مستقل واکنش های تشکیل پیوند کربن-کربن کاتالیز شده با پالادیوم منتشر کرده اند. در ابتدا در یک پیش چاپ در آوریل 2023 توضیح داده شد.

گومز می‌گوید: «Coscientist آزمایش‌ها را به گونه‌ای برنامه‌ریزی و سپس طراحی می‌کند که بتوان آن‌ها را در سخت‌افزار موجود انجام داد، سپس آنها را اجرا می‌کند و نتایج را تجزیه و تحلیل می‌کند». دنیای شیمی. “این چارچوب سرتاسری چیزی است که این را بسیار متفاوت می کند.”

LLM ها مانند ChatGPT یاد می گیرند که چگونه کلمات و عبارات از میلیاردها مثال نوشته شده به یکدیگر پیوند می خورند. سپس می توانند به درخواست های کاربر به زبان طبیعی پاسخ دهند. این تمرکز زبانی به این معنی است که LLM ها به وضوح کمتر از سایر سیستم های هوش مصنوعی برای کارهای شیمیایی مناسب هستند. شبکه های عصبی نموداریکه ساختارهای مولکولی را بهتر نشان می دهد. با این حال، محققان از جمله دانشمندان IBM از هوش مصنوعی برای پردازش زبان طبیعی با موفقیت در شیمی استفاده کرده اند.

تیم گومز آزمایش LLM را در اکتبر 2022 آغاز کرد. این بدان معنی بود که راه اندازی سیستم ChatGPT OpenAI در نوامبر 2022 و حتی پیشرفته تر GPT-4 در مارس 2023 کاملاً زمان بندی شده بود. محققان Carnegie Mellon به سرعت از GPT-4 استفاده کردند. گومز به یاد می‌آورد: «نمونه اولیه من می‌توانست کارها را به خوبی انجام دهد.

دانشمند در هدف

به زودی، تیم گومز از GPT-4 در چهار ماژول نرم افزاری استفاده کرد. یکی، در قلب Coscientist، یک ماژول زمان‌بندی است. این ماژول به ماژول های دیگر مربوط می شود، از جمله ماژول هایی که در اینترنت و مقالات دانشگاهی برای اطلاعات عمومی در مورد ترکیبات شیمیایی جستجو می کند. ماژول سوم متنی را از کتابچه راهنمای تجهیزات آزمایشگاهی روباتیک جاسازی می کند و LLM را هدایت می کند تا اطلاعاتی در مورد نحوه کنترل این تجهیزات جستجو کند. ماژول چهارم داده‌های آزمایش‌ها را تجزیه و تحلیل می‌کند تا ببیند چه چیزی کار می‌کند و چه چیزی خوب نیست. ماژول اصلی برنامه‌ریزی Coscientist ممکن است به ماژول پنجمی نیز اشاره داشته باشد که از GPT-4 استفاده نمی‌کند، اما به طور جداگانه کد را در زبان برنامه‌نویسی پایتون اجرا می‌کند تا محاسبات را برای کمک به آماده‌سازی آزمایش‌ها انجام دهد.

به گفته گومز، سیستم حاصل به‌طور مستقل واکنش‌های شیمیایی را «از یک دستور انگلیسی» برنامه‌ریزی، طراحی و انجام می‌دهد. نمونه اولیه تیم او به Coscientist نیاز داشت که واکنش‌های تشکیل پیوند کربن-کربن سوزوکی و سونوگاشیرا کاتالیز شده با پالادیوم را انجام دهد. درخواستی که دکتر گومز دانائیل بویکو و رابرت مک نایت استفاده شده به Coscientist می گوید که این معرف ها در یک صفحه پلاستیکی چند چاهی قرار دارند. اینها شامل چهار آریل هالید، یک آلکین، یک اسید بورونیک، دو کاتالیزور پالادیوم، و دو باز آمین، به علاوه یک حلال است. در کمتر از چهار دقیقه، Coscientist روش‌های واکنش دقیقی را طراحی می‌کند. کروماتوگرافی گازی – طیف سنجی جرمی نشان داد که Coscientist با موفقیت محصولات مورد نظر خود را تولید کرده است.

فرصت ها و دغدغه ها

تمرینات دیگر نیز توانایی های Coscientist را نشان می دهد. برخی نشان می‌دهند که می‌تواند مایعات رنگی را با الگوهای توضیح داده شده در اعلان به صفحات پلاستیکی چند چاهی با دقت پخش کند. برخی دیگر شامل آزمایش‌های آزمایشگاهی نمی‌شوند، مانند برنامه‌ریزی روش‌های شیمیایی برای تولید مسکن‌های رایج مانند آسپرین، استامینوفن و ایبوپروفن. تیم گومز همچنین از Coscientist خواست تا شرایط واکنش را با استفاده از اطلاعات مجموعه داده‌های از پیش موجود – به جای آزمایش‌های جدید – برای ارائه بازخورد در مورد موفقیت آمیز بودن آن، بهینه کند.

محدودیت‌ها و نگرانی‌هایی که تیم گومز بر آن تاکید می‌کند شامل این است که وقتی از یک دانش‌آموز خواسته می‌شود کارهای جدیدی با خطرات ناشناخته انجام دهد، مهم است که “در حلقه” باشد. گومز می افزاید: “اگر کاری را انجام می دهید که صدها بار انجام شده است، بی خطر است.” “مطمئناً هیچ چیز مانع شما نمی شود که Coscientist را کاملاً مستقل عمل کنید.” مشکل دیگر این است که آزمایش های تیم کارنگی ملون نشان می دهد که Coscientist می تواند داروهای کنترل شده و سلاح های شیمیایی را در صورت درخواست تولید کند. ما به تنهایی با برخی از این مسائل برخورد می کنیم، اما واقعیت این است که ما نیز به کمک نیاز داریم.»

آلن آسپورو-گوزیک از دانشگاه تورنتو با هیجان Coscientist را با این گونه مقایسه می کند دستیاری که او و سایر شیمیدانان در سال 2018 تصور کردند. Aspuru-Guzik می افزاید: “این مقاله نشان می دهد که داده های اینترنت برای برنامه ریزی واکنش های شیمیایی کافی است.” نقطه قوت دیگر این است که از فناوری اتوماسیون آزمایشگاهی موجود به جای فناوری انسان نما کمتر شناخته شده استفاده می کند تیم تورنتو در سیستمی که توسط GPT-3 در آگوست 2023 رونمایی شد استفاده می شود.

یک سطح بالاتر

Coscientist در رتبه های بعدی قرار دارد یک سیستم مشابه با GPT-4 به نام ChemCrowAspuru-Guzik اشاره می کند. اولین پیش چاپ ChemCrow همزمان با Coscientist در آوریل 2023 منتشر شد. در این مرحله، ChemCrow با اتوماسیون ادغام نشد، چیزی که توسعه دهندگان آن در نسخه های به روز شده در سال 2023 به آن دست یافتند. در همین حال، Coscientist هنوز هیچ یافته جدیدی ارائه نکرده است. Aspuru-Guzik ادامه می دهد که منتشر شده اند، و او همچنین شواهدی می خواهد که نشان دهد “بسیار پایدار” است. “کارهای بیشتری انجام خواهد شد. اما این سند اولین قدم خوبی است.

یکی از پیامدهای بالقوه چنین دستیاران هوش مصنوعی پایان روزهای طولانی در آزمایشگاه برای دانشجویان دکترا است، چیزی که گومز از آن استقبال می کند. او می‌گوید که لزوماً به این معنا نیست که برای یک دکترا به طور کلی کار کمتری نیاز است، فقط کاری است که مردم انجام می‌دهند. دانشمندان می توانند در ایده های خود در سطح بسیار بالاتری باشند.

گومز اضافه می‌کند که اکنون، ماه‌ها پس از آزمایش‌های این مقاله، Coscientist در حال انجام کارهای مصنوعی خودکار بسیار بزرگ‌تر است. او می‌گوید: «آخر هفته گذشته بیش از 1000 واکنش در یک آخر هفته دریافت کردیم، در مقایسه با تعداد انگشت شماری در مقاله اخیراً منتشر شده. “ما در حال ساخت بزرگترین مجموعه داده سینتیک واکنش تجربی هستیم – Coscientist این تلاش را رهبری می کند.”