Towards Generalizable and Evidential Nuclear Magnetic Resonance-Based Molecular Structure Elucidation via Large Language Model Agent
本文介绍了 NMRAgent，这是一种由大语言模型驱动的证据推理智能体，它通过结合数据库检索、从头生成和光谱验证，克服了当前 AI 方法在基于核磁共振（NMR）的分子结构解析中的可解释性和泛化性局限，从而在处理新颖骨架时实现了卓越的准确性，并成功识别了未知天然产物。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几个世纪以来，化学家一直依赖一种强大的工具来理解物质的隐形架构：核磁共振（NMR）。想象一下，你手里拿着一个分子，并聆听它在强磁场中发出的每个原子所特有的嗡鸣声。这种嗡鸣声被记录为图表上的峰值谱图，就像指纹一样，揭示了原子是如何连接的、它们在空间中的位置，以及它们处于什么样的化学环境之中。虽然这项技术是确定新物质成分的金标准，但将这些弯弯曲曲的线条转化为完整的三维结构的过程，一直是一项缓慢且耗费人力的艺术。它需要人类专家盯着数据，回忆成千上万条化学规则，并在脑海中将拼图碎片逐一组装起来。即使有了现代计算机，这项任务仍然是一个瓶颈，尤其是当科学家遇到从未见过的分子，即那些与其参考书中任何已知模式都不匹配的分子时。
研究团队现在推出了一种全新的方法，填补了原始数据与人类理解之间的鸿沟。他们开发了一个名为 NMRAgent 的系统，该系统使用大语言模型——一种旨在通过复杂问题进行推理的高级人工智能——来充当数字化学家。与以往仅根据模式进行猜测或在已知分子数据库中进行搜索的计算机程序不同，这个新智能体模仿了人类专家的演绎推理过程。它不仅仅输出一个最终答案，它还会构建一个论据链。该系统获取实验 NMR 数据和分子中存在的原子列表，然后制定一个逐步解决谜题的计划。它寻找类似的已知结构，生成新的可能性，然后通过检查预测的原子位置是否与观察到的峰值相匹配，来严格测试每一个候选方案。如果结构的某个部分与证据不符，智能体会识别出不匹配发生的具体位置，并重新组装该分子的特定部分，直到数据对齐为止。
这项工作的成果表明，在识别未知物质的能力方面取得了显著飞跃。在针对一组旨在挑战该系统的基准测试中（该测试用全新的分子框架来考验系统——即它在训练期间从未遇到过的结构），该智能体在 67.13% 的案例中正确识别出了首选结构。这相比于现有的最佳方法有了实质性的提升，后者仅能找到约 36% 的正确答案。更重要的是，该系统证明了它可以在处理复杂的大分子时仍保持准确性，而这正是旧模型的常见失效点。研究人员还展示了该智能体可以纠正既有科学文献中的错误，即仅基于原始光谱数据，识别出先前发表的结构有误并提出正确的结构。在涉及从植物中新分离出的天然产物的现实世界测试中，该智能体成功重建了正确的分子结构，证实了其处理真实、未解决科学问题的能力。
这项进展之所以特别引人注目，不仅在于其准确性，还在于过程的透明度。传统的 AI 模型通常作为“黑箱”运行，只提供答案而不解释其得出结论的过程。然而，这个新系统产生了一条清晰的证据链。它明确地将光谱中的每一个峰值与所提议结构中的特定原子联系起来，展示了哪些部分的分子结构得到了数据的支持，以及哪些部分需要调整。这种基于证据的推理让科学家能够信任结果，因为他们可以看到背后的逻辑。该系统结合了数据库搜索的速度与生成新结构的创造力，并利用验证步骤来确保每一个提议的解决方案在化学上都是合理且与实验观察一致的。
研究人员承认，该系统目前尚不完美。它目前专注于一维数据，并依赖于其搜索的数据库质量，这意味着在面对人类直觉可能仍占优势的极罕见或带有噪声的数据时，它可能仍会面临困难。然而，通过建立一个让人工智能能够以与人类科学家相同的循证严谨性来处理化学问题的框架，这项工作为自动化发现开辟了一条新路径。它预示着这样一个未来：解码分子结构的繁琐工作可以由一个既高度准确又能够解释其结论的工具来处理，从而让研究人员能够专注于他们所发现的分子更广泛的意义。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。