EPFLの研究チームは、化学者が自然言語による指示を用いて複雑な分子合成を誘導できるAIフレームワーク「Synthegy」を開発した。このシステムは、従来のアルゴリズムと大規模言語モデルを組み合わせることで、反応経路を評価およびランク付けする。また、反応メカニズムの理解を助け、創薬の加速につながる可能性がある。
医薬品や材料のための複雑な分子を創り出す作業には、従来、逆合成解析における長年の専門知識が必要であり、化学者は標的化合物から遡って出発物質や反応ルートを特定してきた。EPFLのPhilippe Schwaller氏率いるチームが開発したSynthegyは、化学者が「早期に環を形成する」「保護基の使用を避ける」といった自然言語の指示を入力できるようにすることで、このプロセスを一変させる。標準的なソフトウェアが経路を生成し、その経路をAIが評価・解説して目標との整合性を確認する仕組みで、詳細は学術誌「Matter」に掲載された論文で説明されている。筆頭著者のAndres M. Bran氏は、「Synthegyを使えば、化学者はただ言葉を交わすだけで、より迅速に試行錯誤を繰り返し、より複雑な合成のアイデアを検討できるようになる」と述べている。このフレームワークは、反応メカニズムに対しても同様の推論を適用し、電子の動きを分解して特定の条件下での実行可能性を評価する。36人の化学者が368件の評価を行った二重盲検試験では、システムの評価は71.2%の確率で専門家の判断と一致した。より大規模な言語モデルは、官能基や全体のルートを分析する際に優れた能力を発揮した。Bran氏はさらに、「合成計画とメカニズムの間の結びつきは非常に刺激的です。私たちは通常、新しい分子を合成できるようにするための新しい反応を発見するためにメカニズムを活用しています」と付け加えた。研究にはNational Centre of Competence in Research Catalysisおよびb12 Labsが貢献した。論文の参照先は、Andres M. Bran et al., Matter, 2026; DOI: 10.1016/j.matt.2026.102812である。
