发现和开发新分子是现代化学研究的重要方向之一。从新药研发到可持续材料的创造，一切都依赖于找到具有有用特性的原子新组合。现在，罗维拉-威尔吉利大学（URV）的一个研究团队开发出了一种人工智能工具，能够生成数百万种新分子。尽管这些分子在科学上尚未被发现，但它们符合化学规律，因此是切实可行的可能性。该研究成果已发表在《自然-机器智能》期刊上。
该系统名为CoCoGraph，其工作原理与ChatGPT或Dall-E等文本或图像生成式人工智能工具类似。罗维拉-威尔吉利大学化学工程系ICREA研究教授罗杰·吉梅拉（Roger Guimerà）解释道："这些模型创造出看起来非常逼真的新内容。我们的算法也做同样的事情，但针对的是分子。"
然而，与其他人工智能工具不同，该模型目前还不能响应特定指令。目前，它只是执行生成合理分子这一更基础的任务，即生成符合化学规则的结构。
尽管如此，这项任务的规模极为庞大。即使系统仅被提供一个分子式（例如对乙酰氨基酚的分子式），它也能构建出大量的原子组合，尽管其中只有一小部分在现实中是可行的。
吉梅拉解释道："可能的分子数量极为庞大；据估计可能有多达10⁶⁰种不同的分子，这远远超过了海洋中水分子的数量。"相比之下，已知分子数量只是这一数字的极小一部分。可能的新分子数量之庞大意味着，找到真正有用的分子就像在巨大的干草堆中寻找一根针。
模型的工作原理
为了生成这些新分子，CoCoGraph使用了扩散模型，这是一种在图像生成中常见的技术。该过程包括逐步"打乱"一个真实分子，并训练系统学习如何重建它。
参与研究的化学工程系研究员玛尔塔·萨利斯-帕尔多（Marta Sales-Pardo）评论道："我们从一个真实分子开始，随机打破化学键并创建新的化学键。模型学习如何逆转这一过程并重建连贯的结构。"
然而，与图像不同，分子是离散结构，这使得从数学角度来看问题要复杂得多。
始终有效的分子
该模型的主要创新之一是它直接融入了基本的化学规则。例如，每个原子始终维持正确的键数，这保证了生成的100%的分子在化学上都是有效的，不像其他模型可能产生的不可能结构。
此外，该系统效率更高：它使用更少的参数，需要更少的计算能力，并且可以更快地生成分子。
研究团队将CoCoGraph与其他最先进的模型进行了比较，并分析了生成分子的36种物理化学性质，如溶解度和结构复杂性。结果显示，在大约三分之二的这些性质上，生成的分子比其他模型的分子在化学上更真实。
科学界的验证
为了检查这些分子的合理性，研究团队与该校121名化学专家进行了一项实验。每位参与者被展示20对分子——一对是真实的，另一对是由新AI生成的——并需要识别哪一个是真实的。
结果显示，专家们在大约10个案例中有4个判断错误，意味着他们经常将生成的分子与真实分子混淆。萨利斯解释道："这意味着我们生成的许多分子非常有说服力。"
尽管该模型目前还不能设计具有特定功能的分子，但已经进行了有希望的测试。例如，研究人员已经从数百万个生成的分子中识别出具有与对乙酰氨基酚类似特性的分子。他们还探索了部分修改现有分子的技术，一种化学"微调"，以创建具有类似特性的新变体。
这些方法未来可能对优化药物或开发新材料有所帮助。
迈向设计定制分子的人工智能的第一步
研究团队明确表示，这只是一个开始。主要的中长期目标是能够向人工智能要求具有特定属性的分子；例如，要求一个可溶、无毒且适用于特定应用的分子。
参与研究的博士生曼努埃尔·鲁伊斯-博特利亚（Manuel Ruiz-Botella）表示："目前，我们只是在生成分子。下一步将是将特定目标应用于这一过程。"
如果成功，该技术可能会改变化学、药理学和材料科学等领域，并加速在几乎未被探索的化学宇宙中发现新解决方案。
出版详情
曼努埃尔·鲁伊斯-博特利亚等人，《用于生成真实合成分子的协作约束图扩散模型》，《自然-机器智能》（2026）。DOI: 10.1038/s42256-026-01229-5
期刊信息：《自然-机器智能》
由罗维拉-威尔吉利大学提供
【全文结束】