面对数百万个化学反应记录，化学家如何高效合成新分子？耶鲁大学的MOSAIC系统，通过集成2498个AI专家模型，将复杂的分子设计过程转化为可执行的实验方案，显著缩短了新药研发周期，为科研带来革新。
智能速览
MOSAIC系统由2498个专业AI模型构成，而非单一大型模型。
成功合成了超过35种全新化合物，且无需额外筛选或调整。
能生成详细的实验室操作指南，并预估实验的成功可能性。
系统完全开源，其轻量化设计允许在普通计算机上本地运行。
技术核心在于将三维分子结构转化为语言模型可处理的线性代码。
精华内容
告别盲目试错，AI如何为化学家精准导航？下面深入解析其独特架构与实际效能。
专家集群的智慧
与当前追求单一大型模型的趋势不同，MOSAIC选择了一条“小而精”的路线。该系统构建了2498个独立的专家模型，每个模型都专注于特定类型的化学转化，犹如一个集结了各领域顶尖专家的团队。
研究团队首先从约一百万个专利化学反应中提取数据，将其聚类成2285个子集，并以此训练出这支AI专家团队。北卡罗来纳州立大学的科学家马丁·塞弗里德评价道，这种策略让每个专门模型在其领域内都更加精确，从而提升了整体的可靠性。
从理论到实践的跨越
MOSAIC的价值不仅在于理论，更在于其实际应用中的表现。研究团队利用该系统成功合成了超过35种此前从未报道过的全新化合物，这些化合物横跨药品、农用化学品、催化剂乃至先进材料等多个领域。
耶鲁大学教授蒂莫西·纽豪斯证实，MOSAIC能够编写足够详细的完整实验室操作指南，供化学家直接遵循。更重要的是，系统还能为每个建议提供可测量的不确定性估计，帮助科学家优先选择成功率最高的实验方案，避免资源浪费。
轻量化与开源设计
MOSAIC的另一个显著优势是其可及性。由于采用了相对轻量级的参数设置，该系统基于Meta公司开源的Llama大型语言模型，可以在普通计算机上本地运行，无需依赖昂贵的云端超级计算资源。
此外，MOSAIC采用完全开源的设计，并与未来可能出现的新模型兼容。项目负责人维克多·巴蒂斯塔表示，此举旨在帮助人工智能超越单纯的预测功能，更直接地支持真实世界的实验工作。
未来的化学导航
将AI生成的指令与自动化实验设备集成，被视为MOSAIC发展的顺理成章的下一步。博士后研究员萨蒙·萨卡尔将其比喻为“用于新配方的智能食谱书”和“用于导航化学合成的谷歌地图”，它将庞大的知识库转化为详细且可重复的合成程序。
随着人工智能驱动的药物发现市场预计在未来几年内高速增长，MOSAIC这类工具正在重塑化学研究的未来，消除从设计到实验室合成之间的关键瓶颈，让科学创意更快地转化为现实。
MOSAIC的出现，不仅是一次技术革新，更是对科研范式的重塑。它让科学家能更专注于创造本身，当AI成为可靠的实验室伙伴，下一个科学突破会来自哪里？
