దాదాపు స్వయంప్రతిపత్తి గల AI రసాయన శాస్త్రవేత్త ఔషధ రసాయన శాస్త్రంలోని సవాలుతో కూడిన ప్రతిచర్యను మెరుగుపరుస్తుంది

సైన్స్‌లో OpenAI చేస్తున్న పని ఒక సరళమైన విశ్వాసం ద్వారా ప్రేరేపించబడింది: అధునాతన AI శాస్త్రవేత్తలకు శక్తివంతమైన భాగస్వామిగా మారగలదు, వారికి మరిన్ని ఆలోచనలను అన్వేషించడంలో, దూరంగా ఉన్న భావనలను అనుసంధానించడంలో, మెరుగైన ప్రయోగాలను రూపకల్పన చేయడంలో, మరియు మానవాళికి ప్రయోజనం చేకూర్చే ఆవిష్కరణలను వేగవంతం చేయడంలో సహాయపడుతుంది. గణితంలో కొత్త ఫలితాలకు మోడల్‌లు తోడ్పడిన ప్రారంభ ఉదాహరణలను మేం ఇప్పటికే పంచుకున్నాం; వాటిలో యూనిట్ దూర సమస్య⁠పై చేసిన పని, సైద్ధాంతిక భౌతిక శాస్త్రంలో గ్లూయాన్ ఆంప్లిట్యూడ్స్⁠పై కొత్త ఫలితం, అలాగే జీవశాస్త్రంలో ఆటోమేటెడ్ ల్యాబ్‌లో సెల్-ఫ్రీ ప్రోటీన్ సంశ్లేషణ ఖర్చును తగ్గించడంలో⁠ GPT‑5 సహాయపడిన సందర్భం ఉన్నాయి. లైఫ్ సైన్సెస్ పరిశోధన మరియు ఔషధ ఆవిష్కరణ వర్క్‌ఫ్లోలకు మద్దతు ఇవ్వడానికి ప్రత్యేకంగా రూపొందించిన మోడల్ అయిన GPT‑Rosalind⁠ ను కూడా మేం పరిచయం చేశాం. 

ఈ ప్రాజెక్ట్ ఆ ప్రయాణాన్ని మెడిసినల్ కెమిస్ట్రీ రంగానికి విస్తరిస్తోంది. ఇక్కడ పురోగతిని కేవలం రీజనింగ్ ఆధారంగా మాత్రమే కొలవడం సాధ్యం కాదు. ఒక పరికల్పన నిజమైన అణువులు, పరికరాలు, అలాగే ప్రయోగాత్మక శబ్దం ఉన్న ప్రయోగశాలలో పనిచేయగలగాలి. Molecule.one⁠(కొత్త విండోలో తెరుచుకుంటుంది)తో కలిసి పని చేస్తూ, మేము GPT‑5.4ను Mariaతో అనుసంధానించాం—స్వయంచాలక పరిశోధన కోసం హై-థ్రూపుట్ ప్రయోగశాలతో సమీకృతమైన స్వయంచాలక లక్షణాలున్న కెమిస్ట్రీ AI—మరియు దానికి నిర్దిష్ట ముగింపు లేని లక్ష్యాన్ని ఇచ్చాం: అనేక ముఖ్యమైన ప్రతిచర్య వర్గాల్లో ఒకదాన్ని మెరుగుపరచడం. వ్యవస్థ పరిశోధన ప్రతిపాదనలను రూపొందించింది, ప్రయోగాలను రూపకల్పన చేసి నిర్వహించింది, ప్రయోగాత్మక డేటాను విశ్లేషించింది మరియు తదుపరి ప్రయోగాలను ప్రతిపాదించింది. మానవులు స్టీరింగ్ మరియు గ్రేడింగ్ ప్రాంప్ట్‌లను రూపకల్పన చేసి, పరీక్షించడానికి ప్రతిపాదనలను ఎంచుకోవడం ద్వారా ప్రక్రియలో భాగంగా ఉన్నారు. వారు ప్రయోగాత్మక ప్రణాళికలకు పరిమిత సవరణలు కూడా చేశారు, ప్రాథమిక ప్రయోగశాల కార్యకలాపాలకు సహకరించారు, అలాగే తుది ఫలితాన్ని స్వతంత్రంగా ధృవీకరించారు.

అత్యంత ఆశాజనకమైన ప్రతిపాదన అయిన OAI-M1-03, కార్బన్-నైట్రోజన్ బంధాలను ఏర్పరచడానికి రసాయన శాస్త్రవేత్తలు ఉపయోగించే ప్రతిచర్య అయిన చాన్–లామ్ కప్లింగ్ యొక్క క్లిష్టమైనప్పటికీ ఉపయోగకరమైన రూపాంతరంపై దృష్టి సారించింది. ప్రక్రియా రసాయనశాస్త్రం కోసం Chan–Lam coupling ను మెరుగుపరచాలనే విస్తృత లక్ష్యంతో ప్రారంభించి, GPT‑5.4 ప్రైమరీ సల్ఫోనమైడ్లను సవాలుతో కూడిన, అధిక-విలువ గల సబ్‌స్ట్రేట్ వర్గంగా స్వతంత్రంగా గుర్తించింది మరియు TEMPO సహా మృదువైన ఆక్సిడెంట్లు ప్రతిచర్యను మెరుగుపరచగలవని సూచించింది. 

మారియా ల్యాబ్‌లో రెండు ప్రయోగ చక్రాల వ్యవధిలో, ఆ ఆలోచన గణనీయమైన మెరుగుదలను తీసుకువచ్చింది. ఆప్టిమైజ్ చేసిన పరిస్థితుల్లో, పరీక్షించిన బోరోనిక్ ఆమ్లాలలో 88% మరియు సల్ఫోనమైడ్లలో 83% కోసం కొలిచిన దిగుబడులు మెరుగుపడ్డాయి. సగటు దిగుబడి 16.6% నుండి 25.2%కి పెరిగింది, మరియు 30% కంటే ఎక్కువ దిగుబడిని కలిగిన ప్రతిచర్యల వాటా 15.6% నుండి 37.5%కి పెరిగింది. తర్వాత మానవ రసాయన శాస్త్రవేత్తలు ప్రాతినిధ్య ప్రతిచర్యలను ల్యాబ్ బెంచ్ స్థాయిలో పునరావృతం చేశారు. ఆ ప్రయోగాలు మైక్రోలీటర్-స్థాయి ఫలితాలను నిర్ధారించాయి. 14 సబ్‌స్ట్రేట్ జంటల్లో 11 జంటలకు అధిక దిగుబడులు లభించాయని, చాలా సందర్భాల్లో రెండింతలకంటే ఎక్కువ పెరుగుదల ఉందని చూపించాయి. అది ముఖ్యమైనది, ఎందుకంటే ఔషధ రసాయన శాస్త్రవేత్తలకు మైక్రోలీటర్ స్థాయి స్క్రీనింగ్ ప్రయోగాల్లో మాత్రమే కాకుండా, ఔషధ ఆవిష్కరణ సమయంలో ఉపయోగించే ఆచరణాత్మక ప్రయోగశాల వర్క్‌ఫ్లోల్లో కూడా పనిచేసే ప్రతిచర్యలు అవసరం.

ఔషధ రసాయనశాస్త్రంలోని ఈ విభాగంలో మెరుగుదలలు ప్రత్యేకంగా ఉత్సాహకరంగా ఉన్నాయి, ఎందుకంటే ఔషధ ఆవిష్కరణలో సంశ్లేషణ తరచుగా ఒక ప్రధాన అవరోధంగా ఉంటుంది: శాస్త్రవేత్తలు తాము తయారు చేయగలిగే లేదా ఇతర మార్గాల్లో పొందగలిగే అణువులను మాత్రమే పరీక్షించగలరు. సల్ఫోనామైడ్ సమూహం క్యాన్సర్ నిరోధక ఔషధాలు, సూక్ష్మజీవనిరోధకాలు మరియు మూత్రవర్ధకాలు సహా విస్తృతమైన చికిత్సా రంగాల్లోని ఔషధాలలో కనిపిస్తుంది; అయినప్పటికీ, ప్రాథమిక సల్ఫోనామైడ్లను బోరోనిక్ ఆమ్లాలతో చేసే చాన్–ల్యామ్ కప్లింగ్ గతంలో తక్కువ దిగుబడులను ఇచ్చింది. ప్రతిచర్య యొక్క ఈ రూపాన్ని మరింత విశ్వసనీయంగా చేయడం వల్ల, ఔషధ రసాయన శాస్త్రవేత్తలకు ఉపయోగకరంగా ఉండే అవకాశమున్న అణువులను ఉత్పత్తి చేయడానికి మరియు పరిశీలించడానికి మరింత విస్తృతమైన, మరింత ఆచరణాత్మకమైన మార్గం లభించవచ్చు.

ఇది ఇంకా ప్రారంభ దశ ఫలితమే అయినప్పటికీ, మేము సాధించడానికి కృషి చేస్తున్న విస్తృత దిశకు ఇది మరో స్పష్టమైన ఉదాహరణను అందిస్తుంది: పరిశోధనా చక్రంలోని అనేక దశల్లో శాస్త్రవేత్తలకు విలువైన భాగస్వాములుగా మారగల AI వ్యవస్థలు. మోడల్ పరిశోధనా సాహిత్యాన్ని సమీక్షించింది, ఊహించని ఆలోచనను ప్రతిపాదించింది, ప్రయోగాల రూపకల్పన మరియు విశ్లేషణలో సహాయపడింది, అలాగే మానవ రసాయన శాస్త్రవేత్తలు మూల్యాంకనం చేయగల శాస్త్రీయ నిర్ధారణకు వచ్చింది.

ఆర్గానిక్ కెమిస్ట్రీ అన్ని చిన్న-అణు ఔషధాలకు పునాదిగా ఉంటుంది. అలాగే వ్యవసాయం, ఎలక్ట్రానిక్స్, మరియు మెటీరియల్స్ సైన్స్ రంగాల్లోని అనేక ప్రొడక్ట్‌లకూ ఇది ఆధారంగా నిలుస్తుంది. ఒక ప్రతిచర్య అనేక భిన్నమైన ప్రారంభ పదార్థాలపై ఒకే రకమైన రసాయన బంధాన్ని విశ్వసనీయంగా ఏర్పరచగలిగినప్పుడు, అది ప్రత్యేకంగా ఉపయోగకరంగా ఉంటుంది. రియాక్షన్‌ల ద్వారా తక్కువ దిగుబడి వచ్చినా లేదా ఎక్కువ అవాంఛిత ఉప-ఉత్పత్తులు ఏర్పడినా, కెమిస్ట్‌లు ఆశాజనకంగా కనిపించే మాలిక్యూల్‌లను వదిలివేయాల్సి రావచ్చు లేదా ప్రత్యామ్నాయ మార్గాన్ని అభివృద్ధి చేయడానికి గణనీయమైన సమయం వెచ్చించాల్సి రావచ్చు. ఇది ఔషధ ఆవిష్కరణలో సంశ్లేషణను ఒక ప్రధాన అవరోధంగా మారుస్తుంది: శాస్త్రవేత్తలు సాధారణంగా తాము తయారు చేయగలిగే లేదా ఇతర మార్గాల్లో పొందగలిగే అణువులను మాత్రమే పరీక్షించగలరు.

Chan–Lam coupling ఔషధ రసాయన శాస్త్రంలో ఉపయోగకరంగా ఉంటుంది, ఎందుకంటే ఇది ఔషధాలలో సాధారణంగా కనిపించే కార్బన్-నైట్రోజన్ బంధాలను ఏర్పరుస్తుంది. అయితే, ఈ ప్రతిచర్య అణువుల ప్రతి వర్గానికి సమానంగా ప్రభావవంతంగా పనిచేయదు. ప్రత్యేకించి, ప్రాథమిక సల్ఫోనామైడ్‌లను బోరోనిక్ ఆమ్లాలతో కప్లింగ్ చేయడం చారిత్రాత్మకంగా తక్కువ దిగుబడులను ఇచ్చింది. సల్ఫోనామైడ్లు ఆంకాలజీ మరియు సంక్రామక వ్యాధుల చికిత్సలో ఉపయోగించే ఔషధాల్లో కనిపించే ముఖ్యమైన అణువుల వర్గం. ఈ ప్రతిచర్యను మరింత విశ్వసనీయంగా చేయడం వల్ల, ఔషధ రసాయన శాస్త్రవేత్తలకు ప్రయోజనకరంగా ఉండే అవకాశమున్న అణువులను ఉత్పత్తి చేసి అన్వేషించడానికి మరింత విస్తృతమైన మరియు ప్రాయోగికమైన మార్గం లభించవచ్చు.

సంయుక్త వ్యవస్థ పరస్పరపూరక సామర్థ్యాలను జత చేసింది. Maria AIతో కలిసి పనిచేస్తున్న శాస్త్రవేత్తలు రాసిన ప్రాంప్ట్‌లు, వేలాది సంభావ్య పరిశోధన ప్రతిపాదనలను రూపొందించడానికి మరియు ర్యాంక్ చేయడానికి GPT‑5.4లో ఒక హార్నెస్ ఉపయోగించబడ్డాయి. వ్యవస్థ ప్రకారం అత్యున్నత స్థానాల్లో నిలిచిన ప్రతిపాదనల చిన్న ఉపసమితిని మానవ రసాయన శాస్త్రవేత్తలు సమీక్షించి, ప్రయోగశాల పరీక్షల కోసం నాలుగింటిని ఎంపిక చేశారు. ఆపై Maria AI ఎంపిక చేసిన ఉన్నత-స్థాయి ప్రణాళికలను వివరమైన ప్రయోగశాల సూచనలుగా అనువదించి, వేలాది థ్రూపుట్ ప్రయోగాలను నిర్వహించి, ముడి డేటాను విశ్లేషించి, నిర్మిత ఫలితాలను GPT‑5.4కి తిరిగి అందించింది. 

ఎంపికైన నాలుగు ప్రతిపాదనల్లో ఒకటైన OAI-M1-03, సల్ఫోనమైడ్ సింథసిస్ కోసం ఉపయోగించే Chan-Lam రియాక్షన్ పనితీరును మెరుగుపరచడానికి TEMPO వంటి మైల్డ్ ఆక్సిడెంట్‌లను ఉపయోగించాలని సూచించింది. రసాయన శాస్త్రవేత్తలు ఆ సూచనను ఆశ్చర్యకరంగానూ ఆసక్తికరంగానూ భావించారు. మేము OAI-M1-03 నుండి వచ్చిన వివరమైన ఫలితాలను ఈ బ్లాగ్ పోస్ట్‌లో మరియు పేపర్⁠(కొత్త విండోలో తెరుచుకుంటుంది)లో పంచుకుంటున్నాము.

తుది పరిశోధన ప్రతిపాదనను మరియా ప్రయోగాత్మక గ్రిడ్‌లను రూపొందించడానికి ఉపయోగించింది, మానవులచే స్వల్ప సవరణలతో. మానవులు చేసిన అతిపెద్ద సవరణ ఏమిటంటే, ద్రావకంగా డైమిథైల్ సల్ఫాక్సైడ్, లేదా DMSO, ను నివారించడం. ఎందుకంటే పోలికలుగా ఉపయోగించిన మరింత బలమైన ఆక్సీకరణ కారకాలతో అది ప్రతిచర్య చెందవచ్చని రసాయన శాస్త్రవేత్తలు ఆందోళన చెందారు.

మొత్తం ప్రక్రియకు మూడు నెలలు పట్టింది, 04.03 నుండి మొదటి ప్రాంప్ట్ మొదలుకొని 04.06 న OAI-M1-03 ఫలితాలను స్వతంత్ర నిపుణులతో పంచుకోవడం వరకు.

ఈ వర్క్‌ఫ్లోను పూర్తిగా స్వయంచాలితం కాకుండా, దాదాపు స్వయంచాలితమైనదిగా మేము వివరిస్తాము, ఎందుకంటే ప్రక్రియ అంతటా మానవ రసాయన శాస్త్రవేత్తలు ఇప్పటికీ ముఖ్యమైన నిర్ణయాలు తీసుకున్నారు. మోడల్ కీలక పరిశోధన ఆలోచనలను ప్రతిపాదించగా, మానవ రసాయన శాస్త్రవేత్తలు ఉన్నత-స్థాయి మార్గనిర్దేశం మరియు నిర్ణయాన్ని అందించారు, ప్రయోగాత్మక వివరాలను సరిచేశారు, ల్యాబ్ వినియోగ పదార్థాలు మరియు రియాజెంట్లు సిద్ధం చేయడంలో సహాయపడ్డారు, అలాగే కీలక ప్రయోగాలను చేతితో స్వయంగా పునరావృతం చేశారు.

ఇక్కడ అధ్యయనం చేసిన ప్రైమరీ సల్ఫోనామైడ్ Chan–Lam coupling కు TEMPO ఒక ఉపయోగకరమైన సంకలితంగా OAI-M1-03 గుర్తించింది. అనుకూలీకరించిన పరిస్థితుల్లో, ప్రతిచర్య రెండు విధాలుగా మెరుగైంది: సగటు దిగుబడి పెరిగింది, అలాగే మరిన్ని సబ్‌స్ట్రేట్ కలయికలు ఆచరణలో ఉపయోగకరమైన దిగుబడులను సాధించాయి.

రెండు చక్రాల్లో, Maria మొత్తం 10,080 రసాయన చర్యలను నిర్వహించింది – ప్రతిరోజూ మూడు రసాయన చర్యలను నిర్వహించే ఒక రసాయన శాస్త్రవేత్త ఒక దశాబ్దంలో నిర్వహించగలిగిన దానికంటే ఎక్కువ. ఆ స్థాయి ప్రాముఖ్యం కలిగి ఉంది, ఎందుకంటే రసాయన శాస్త్ర ఫలితాలను కేవలం కొన్ని ఉదాహరణలపైనే పరీక్షించినప్పుడు అవి తప్పుదోవ పట్టించేలా ఉండవచ్చు. ఒక జంట ప్రారంభ పదార్థాలపై ప్రతిచర్య ఆశాజనకంగా కనిపించవచ్చు, కానీ మరింత విస్తృతమైన అణువుల సమూహంలో విఫలమవచ్చు. వేలాది ప్రతిచర్యలు, పరీక్షించిన పది ఆక్సీకరణకారకాలలో TEMPOను గుర్తించడం, విభిన్న కలయికల్లో ఆ ప్రభావం పునరావృతమవుతుందని చూడడం, దాని పరిమితులను కనుగొనడం సాధ్యమయ్యేలా చేశాయి.

మొదటి విడత డేటాను విశ్లేషించిన తర్వాత, తదుపరి పరికల్పనలను పరీక్షించేందుకు మరింత లక్ష్యితమైన రెండో విడత ప్రయోగాలను వ్యవస్థ ప్రతిపాదించింది. తదుపరి పరిశోధనలో లభించిన ఒక ఉపయోగకరమైన విషయం ఏమిటంటే, పనితీరులో చాలా తక్కువ నష్టంతో TEMPO స్థానంలో చాలా తక్కువ ఖర్చుతో లభించే అనురూప పదార్థమైన 4-hydroxy-TEMPO ను ఉపయోగించవచ్చు.

ఆ ఫలితం Maria ల్యాబ్‌ యొక్క మైక్రోలీటర్-స్థాయి స్క్రీనింగ్ ఫార్మాట్‌కు మించి కూడా నిలకడగా ఉంది. మానవ రసాయన శాస్త్రవేత్తలు ప్రాతినిధ్య ప్రతిచర్యలను బెంచ్-స్థాయిలో చేతితో పునరుత్పత్తి చేసి, 14 సబ్‌స్ట్రేట్ జంటల్లో 11 జంటలకు దిగుబడిలో పెరుగుదల ఉన్నట్లు గమనించారు; ఎనిమిది జంటలలో ఆ పెరుగుదల రెండింతల కంటే ఎక్కువగా ఉంది. ఆ పునరావృతీకరణ ముఖ్యమైనది, ఎందుకంటే చాలా చిన్న స్థాయి ప్రయోగాలు కొన్నిసార్లు పెద్ద స్థాయిలో కనిపించకుండా పోయే కృత్రిమ ప్రభావాలను ప్రవేశపెట్టవచ్చు. శాస్త్రీయ జర్నల్‌లో పరిశోధన ప్రచురించబడే ముందు బెంచ్-స్కేల్ ధృవీకరణ కూడా నిర్వహించడం సాధారణ పద్ధతి.

నలుగురు బాహ్య రసాయన శాస్త్ర నిపుణులు OAI-M1-03ను వివరిస్తున్న ప్రీప్రింట్‌ను సమీక్షించారు. ఆ ఫలితం నవీనమైనది మరియు శాస్త్రీయ సమాజంతో పంచుకోవడానికి విలువైనది అనే మా అభిప్రాయానికి వారి మూల్యాంకనాలు మద్దతు ఇచ్చాయి. మరింత కఠినమైన పరీక్ష తరువాత వస్తుంది: స్వతంత్ర ప్రయోగశాలలు ఆ ఫలితాన్ని పునరుత్పత్తి చేయగలవా, అలాగే రసాయన శాస్త్రవేత్తలు మరింత విస్తృతమైన మాలిక్యూల్‌ల శ్రేణిలో దాన్ని ఉపయోగకరంగా భావిస్తారా అనేదే అది.

GPT‑5.4 రూపొందించి, మూడు నెలల వ్యవధిలో మారియా పరీక్షించిన మిగిలిన మూడు ప్రతిపాదనల్లో, OAI-M1-02 మరియు OAI-M1-04 Maria ల్యాబ్‌లో ప్రయోగాత్మకంగా నిరూపించబడ్డాయి, అయితే OAI-M1-01 తప్పని నిరూపించబడింది. ఈ ఫలితాల విశ్లేషణ కొనసాగుతోంది.

ఈ పని ఒక మోడల్ సేంద్రియ రసాయన శాస్త్రంలో ఉపయోగకరమైన సహాయం చేయగలదని చూపిస్తుంది. అది పరిశోధనా సాహిత్యాన్ని సంక్షిప్తీకరించడం లేదా ఒక్కసారి మాత్రమే చేసే ప్రయోగాన్ని సూచించడం కంటే ఎక్కువ చేసింది: అది ఒక నిర్దిష్టమైన, ఆశ్చర్యకరమైన పరికల్పనను ప్రతిపాదించి, దాన్ని మానవ సమీక్ష కోసం ముందుకు తెచ్చింది, ప్రయోగాలను రూపకల్పన చేసింది, ప్రయోగాత్మక డేటాను వ్యాఖ్యానించింది, మరియు తదుపరి ప్రయోగాలను రూపకల్పన చేసింది.

AI ఒక రసాయన శాస్త్ర పరిశోధన కార్యక్రమాన్ని ఆరంభం నుండి ముగింపు వరకు స్వతంత్రంగా నిర్వహించగలదని ఇది చూపించదు. మానవ నిర్ణయశక్తి అవసరమేనని నిలిచింది, మరియు వర్క్‌ఫ్లో ప్రత్యేకమైన అధిక-థ్రూపుట్ మౌలిక సదుపాయాలపై ఆధారపడింది. ఈ పద్ధతి ఇతర కప్లింగ్ ప్రతిచర్యలకు, ఇతర సబ్‌స్ట్రేట్ వర్గాలకు, లేదా తయారీ పరిస్థితులకు సాధారణంగా వర్తిస్తుందని కూడా ఇది నిరూపించదు.

దిగుబడి అంచనాలు హై-థ్రూపుట్ ప్లాట్‌ఫారమ్ నుండి వచ్చాయి, మరియు బెంచ్ వాలిడేషన్ 14 ప్రతినిధి సబ్‌స్ట్రేట్ జంటలను కవర్ చేసింది. ప్రతిచర్య యాంత్రికతను వివరించడానికి, సబ్‌స్ట్రేట్ పరిధిని నిర్వచించడానికి, భిన్న ప్రయోగశాల పరిస్థితుల్లో పనితీరును కొలవడానికి, మరియు ఫలితాన్ని స్వతంత్రంగా పునరుత్పత్తి చేయడానికి ఇంకా మరింత పని అవసరం.

రసాయన శాస్త్ర సామర్థ్యాలను జాగ్రత్తగా పరిగణించాలి, ఎందుకంటే వైద్యం మరియు పదార్థ శాస్త్రానికి సహాయపడగల అదే సాధనాలు దుర్వినియోగం చేయబడే అవకాశం కూడా ఉంది. మేము ఈ పనిని ఉద్దేశపూర్వకంగా ఒక సముచితమైన ఔషధ రసాయనశాస్త్ర సమస్యకు పరిమితం చేశాము: ఔషధ-సమాన అణువులను తయారు చేయడానికి ఉపయోగించే, ఇప్పటికే తెలిసిన కప్లింగ్ ప్రతిచర్యను మెరుగుపరచడం. ఆ ప్రయోగాల్లో విషపదార్థాలు, రసాయన ఆయుధాలు లేదా హానికర సమ్మేళనాలను రూపకల్పన చేయాలనే అభ్యర్థనలు ఉండలేదు. ఈ ఫలితాలను ఆ హానికర వినియోగాలకు వ్యవస్థ సహాయపడగలదనే సాక్ష్యంగా భావించకూడదు. ప్రాజెక్ట్ దాన్ని పరీక్షించలేదు లేదా ప్రదర్శించలేదు.

మేము మా ప్రిపేర్‌డ్నెస్ ఫ్రేమ్‌వర్క్⁠ ద్వారా అధునాతన మోడల్ సామర్థ్యాల వల్ల తలెత్తే ప్రమాదాలను అంచనా వేసి తగ్గిస్తాము, ఇందులో రసాయన మరియు జీవ సంబంధిత డొమైన్‌లకు సంబంధించిన ప్రమాదాలు కూడా ఉన్నాయి. ఈ పనిలో ఉపయోగించిన మోడల్ ఇప్పటికే UK AI సెక్యూరిటీ ఇన్స్టిట్యూట్‌తో సంబంధిత మూల్యాంకనాలకు లోనైంది, మరియు హానికర అనువర్తనాలపై దృష్టి పెట్టిన అభ్యర్థనలను తిరస్కరించేలా సిస్టమ్ రూపకల్పన చేయబడింది. ప్రయోగాత్మక కార్యప్రవాహం నియంత్రణ యొక్క మరో పొరను జోడించింది: ఏ ప్రతిపాదనలు ప్రయోగశాలలోకి వెళ్లాలి అనేది మానవ రసాయన శాస్త్రవేత్తలు ఎంచుకున్నారు, ప్రయోగాత్మక ప్రణాళికలను సమీక్షించారు, మరియు భౌతిక మౌలిక వసతులపై నియంత్రణను తమ వద్దే ఉంచుకున్నారు.

ప్రయోగాత్మక రసాయన శాస్త్రంలో AI యొక్క సామర్థ్యాన్ని అధ్యయనం చేయడానికి ఇది బాధ్యతాయుతమైన మార్గమని మేము భావిస్తున్నాము: స్పష్టమైన శాస్త్రీయ విలువ కలిగిన సమస్యా పరిధిని ఎంచుకోవడం, మోడల్-స్థాయి భద్రతా చర్యలను నిపుణుల పర్యవేక్షణతో జత చేయడం, మరియు పరిమితులతో కూడిన భౌతిక ప్రయోగాల ద్వారా సిస్టమ్‌ను మూల్యాంకనం చేయడం. ఈ సామర్థ్యాలు మెరుగుపడే కొద్దీ, మేము కొత్తగా ఉద్భవించే ప్రమాదాలను అంచనా వేయడం, రక్షణ చర్యలను బలోపేతం చేయడం, అలాగే ఒక ఫలితం ఏమి సూచిస్తుందో మరియు ఏమి సూచించదో స్పష్టంగా చెప్పడం కొనసాగిస్తాము.

తక్షణ తదుపరి చర్యలు శాస్త్రీయమైనవి: మరింత విస్తృత శ్రేణి ప్రారంభ పదార్థాలను పరీక్షించడం, యోజక పదార్థాలు ప్రతిచర్యను ఎందుకు మెరుగుపరుస్తాయో పరిశోధించడం, ఆ ప్రభావం ఎక్కడ పనిచేస్తుందో మరియు ఎక్కడ విఫలమవుతుందో గుర్తించడం, అలాగే స్వతంత్ర పునరావృతీకరణకు మద్దతు ఇవ్వడం. సమిష్టిగా, ఈ అధ్యయనాలు ఈ పద్ధతిని ఎంత విస్తృతంగా వర్తింపజేయవచ్చో మరియు ఆచరణాత్మక ఔషధ రసాయన శాస్త్ర కార్యప్రవాహాల్లో ఇది ఎంత ఉపయోగకరంగా ఉంటుందో నిర్ధారిస్తాయి.

మా దీర్ఘకాలిక లక్ష్యం AI వ్యవస్థలను పరిశోధకులకు పరికల్పనలు రూపొందించడంలో, ప్రయోగాలను రూపకల్పన చేయడంలో, ఫలితాలను వ్యాఖ్యానించడంలో, తదుపరి ఏమి పరీక్షించాలో నిర్ణయించడంలో సహాయపడే విశ్వసనీయ శాస్త్రీయ భాగస్వాములుగా మార్చడం. ఈ ప్రక్రియ నిపుణుల నిర్ణయశక్తి, విశ్వసనీయ కొలతలు మరియు బలమైన రక్షణ చర్యలపై ఆధారపడి ఉండాలి. సేంద్రీయ రసాయన శాస్త్రం ఒక ప్రత్యేకంగా అత్యంత ప్రభావవంతమైన రంగం, ఎందుకంటే చిన్న అణువుల ఆవిష్కరణ మరియు తయారీలో పురోగతి అణువులను విశ్వసనీయంగా తయారు చేయగల సామర్థ్యంపై ఆధారపడి ఉంటుంది. శాస్త్రవేత్తలు తాము తయారు చేయగల అణువులను మాత్రమే పరీక్షించగలరు, మరియు మెరుగైన సంయోజన వైద్యం, వ్యవసాయం, ఎలక్ట్రానిక్స్, శక్తి మరియు పదార్థ శాస్త్రం వంటి రంగాల్లో వారు అన్వేషించగల ఆలోచనల పరిధిని విస్తరించగలదు. ఈ ఫలితం ఆ విస్తృత దిశకు సంబంధించిన ప్రారంభ ఉదాహరణల్లో ఒకటి: ఒక అత్యాధునిక మోడల్, ప్రత్యేక ఏజెంట్లు, ఒక ఆటోమేటెడ్ ప్రయోగశాల, మరియు మానవ రసాయన శాస్త్రవేత్తలు కలిసి పని చేస్తూ, పరిశోధనా చక్రంలో వేగంగా ముందుకు సాగి, శాస్త్రీయ సమాజం మూల్యాంకనం చేయగల, పునరుత్పత్తి చేయగల, వాటిపై మరింత నిర్మించగల ఫలితాలను రూపొందించడం.

Molecule.one బృందానికి మరియు ఈ పనిని సమీక్షించిన స్వతంత్ర రసాయన శాస్త్రవేత్తలకు మేము కృతజ్ఞతలు తెలుపుతున్నాము.