Pesquisadores da EPFL desenvolveram o Synthegy, uma estrutura de IA que permite aos químicos orientar a síntese de moléculas complexas usando instruções simples em linguagem natural. O sistema combina algoritmos tradicionais com grandes modelos de linguagem para avaliar e classificar rotas de reação. Ele também auxilia na compreensão de mecanismos de reação, podendo acelerar a descoberta de medicamentos.
A criação de moléculas complexas para medicamentos ou materiais exige, tradicionalmente, anos de experiência em retrossíntese, processo no qual os químicos trabalham a partir de um composto-alvo para identificar materiais de partida e rotas de reação. O Synthegy, desenvolvido por uma equipe liderada por Philippe Schwaller na EPFL, muda isso ao permitir que os químicos insiram instruções em linguagem natural, como formar um anel precocemente ou evitar grupos protetores. Softwares padrão geram as rotas, que a IA então avalia e explica quanto à adequação a esses objetivos, conforme descrito em um artigo publicado na Matter. Andres M. Bran, o primeiro autor, afirmou: 'Com o Synthegy, estamos dando aos químicos o poder de simplesmente conversar, permitindo que eles iterem muito mais rápido e naveguem por ideias sintéticas mais complexas.' A estrutura aplica um raciocínio semelhante aos mecanismos de reação, dividindo-os em movimentos eletrônicos e avaliando a viabilidade sob condições específicas. Em um estudo duplo-cego com 36 químicos fornecendo 368 avaliações, as estimativas do sistema corresponderam aos julgamentos humanos em 71,2% dos casos. Modelos de linguagem maiores tiveram um desempenho superior na análise de grupos funcionais e rotas completas. Bran acrescentou: 'A conexão entre o planejamento de síntese e os mecanismos é muito empolgante: geralmente usamos mecanismos para descobrir novas reações que nos permitem sintetizar novas moléculas.' Entre os colaboradores estão o National Centre of Competence in Research Catalysis e a b12 Labs. A referência da revista é Andres M. Bran et al., Matter, 2026; DOI: 10.1016/j.matt.2026.102812.
