นักเคมี AI กึ่งอัตโนมัติช่วยเพิ่มประสิทธิภาพปฏิกิริยาเคมีที่ซับซ้อนในงานเคมีทางยา

งานด้านวิทยาศาสตร์ของ OpenAI ขับเคลื่อนด้วยความเชื่อเรียบง่ายที่ว่า AI ขั้นสูงสามารถเป็นพันธมิตรที่ทรงพลังของนักวิทยาศาสตร์ ช่วยให้พวกเขาสำรวจแนวคิดใหม่ๆ เชื่อมโยงทฤษฎีที่ดูห่างไกลกัน ออกแบบการทดลองที่ดียิ่งขึ้น และเร่งให้เกิดการค้นพบที่เป็นประโยชน์ต่อมนุษยชาติ เราได้เผยแพร่ตัวอย่างเบื้องต้นที่แสดงให้เห็นว่าโมเดล AI สามารถสร้างผลลัพธ์ใหม่ๆ ทางคณิตศาสตร์ รวมถึงผลงานในโจทย์ปัญหาระยะทางหนึ่งหน่วย ⁠ รวมถึงในฟิสิกส์ทฤษฎีผ่านผลลัพธ์ใหม่เรื่อง Gluon Amplitudes⁠ และในสาขาชีววิทยาซึ่ง GPT‑5 ช่วยลดต้นทุนการสังเคราะห์โปรตีนแบบไร้เซลล์⁠ในห้องปฏิบัติการอัตโนมัติ เรายังได้เปิดตัว GPT‑Rosalind⁠ ซึ่งเป็นโมเดลที่ออกแบบมาโดยเฉพาะเพื่อสนับสนุนการวิจัยด้านวิทยาศาสตร์ชีวภาพและกระบวนการค้นพบยา 

โครงการนี้ต่อยอดจากแนวทางดังกล่าวสู่เคมีทางยา ซึ่งความก้าวหน้าไม่อาจวัดได้จากความสามารถในการให้เหตุผลเพียงอย่างเดียว สมมติฐานต้องสามารถนำไปใช้ได้จริงในห้องปฏิบัติการ ไม่ว่าจะเป็นการทดสอบกับโมเลกุลจริง เครื่องมือจริง และต้องรับมือกับปัจจัยรบกวนในการทดลองได้ เมื่อทำงานกับ Molecule.one⁠(เปิดในหน้าต่างใหม่) เราเชื่อมต่อ GPT‑5.4 เข้ากับ Maria AI ด้านเคมีแบบเอเจนต์ที่ผสานรวมกับห้องปฏิบัติการที่มีอัตราการประมวลผลสูงเพื่อการวิจัยแบบอัตโนมัติ และมอบเป้าหมายปลายเปิดให้แก่มันในการปรับปรุงหนึ่งในกลุ่มปฏิกิริยาสำคัญหลายกลุ่ม ระบบได้สร้างข้อเสนอโครงการวิจัย ออกแบบและดำเนินการทดลอง วิเคราะห์ข้อมูลการทดลอง และเสนอการทดลองต่อยอด มนุษย์ยังคงมีส่วนร่วมในกระบวนการ โดยออกแบบพรอมต์สำหรับการชี้นำและการให้คะแนน และเลือกข้อเสนอที่จะนำไปทดสอบ พวกเขายังได้ปรับแก้แผนการทดลองเพียงเล็กน้อย ช่วยในการปฏิบัติงานพื้นฐานในห้องปฏิบัติการ และตรวจสอบยืนยันผลลัพธ์สุดท้ายอย่างเป็นอิสระ

ข้อเสนอที่น่าสนใจที่สุดคือ OAI-M1-03 ซึ่งมุ่งเน้นไปที่การปรับปรุงปฏิกิริยา Chan–Lam Coupling ในรูปแบบที่ทำได้ยากแต่มีประโยชน์สูง โดยปฏิกิริยานี้เป็นกระบวนการที่นักเคมีใช้สร้างพันธะคาร์บอน-ไนโตรเจน จากการตั้งเป้าหมายเชิงกว้างเพื่อพัฒนาปฏิกิริยา Chan–Lam Coupling ในงานเคมีกระบวนการ GPT‑5.4 ได้ระบุด้วยตนเองว่า Primary Sulfonamides เป็นสารตั้งต้นประเภทที่ซับซ้อนแต่มีประโยชน์สูง และแนะนำว่าการใช้สารออกซิแดนท์แบบอ่อน เช่น TEMPO อาจช่วยยกระดับผลลัพธ์ของปฏิกิริยาให้ดีขึ้น 

แนวคิดดังกล่าวส่งผลให้เกิดการปรับปรุงประสิทธิภาพอย่างมีนัยสำคัญตลอดการทดลองทั้งสองรอบในห้องปฏิบัติการ Maria Lab ภายใต้สภาวะที่ปรับให้เหมาะสมแล้ว ผลผลิตที่วัดได้เพิ่มขึ้น 88% สำหรับกรดโบโรนิก (boronic acids) และ 83% สำหรับซัลโฟนาไมด์ (sulfonamides) ที่นำมาทดสอบ ผลผลิตเฉลี่ยเพิ่มขึ้นจาก 16.6% เป็น 25.2% และสัดส่วนของปฏิกิริยาที่มีผลผลิตสูงกว่า 30% เพิ่มขึ้นจาก 15.6% เป็น 37.5% จากนั้นนักเคมีที่เป็นมนุษย์ได้ทำการทดลองปฏิกิริยาที่เป็นตัวแทนซ้ำอีกครั้งในระดับห้องปฏิบัติการ การทดลองเหล่านั้นยืนยันผลลัพธ์ในระดับไมโครลิตร โดยแสดงให้เห็นว่าคู่สารตั้งต้น 11 คู่จากทั้งหมด 14 คู่ให้ผลผลิตสูงขึ้น และในกรณีส่วนใหญ่เพิ่มขึ้นมากกว่าสองเท่า สิ่งนี้มีความสำคัญเพราะนักเคมีทางยาต้องการปฏิกิริยาที่ใช้ได้ผล ไม่ใช่แค่ในการทดลองคัดกรองในระดับไมโครลิตรเท่านั้น แต่ยังรวมถึงกระบวนการทำงานในห้องปฏิบัติการที่ใช้งานได้จริงระหว่างการค้นพบยาด้วย

เหตุผลที่ความก้าวหน้าในสาขาเคมีทางยานี้น่าสนใจอย่างยิ่ง ก็เพราะว่าการสังเคราะห์สารเคมีมักเป็นอุปสรรคหลักในการค้นคว้ายาใหม่ๆ นักวิทยาศาสตร์จะศึกษาหรือทดสอบได้เฉพาะโมเลกุลที่สามารถผลิตหรือจัดหามาได้เท่านั้น หมู่ซัลโฟนาไมด์ (sulfonamide group) ปรากฏอยู่ในยาหลากหลายกลุ่มการรักษา รวมถึงยารักษามะเร็ง ยาต้านจุลชีพ และยาขับปัสสาวะ ทว่าปฏิกิริยา Chan–Lam coupling ของ Primary Sulfonamides กับกรดโบโรนิกนั้นให้ผลผลิตในระดับที่ต่ำมาโดยตลอด หากเราสามารถเพิ่มความเสถียรให้กับปฏิกิริยานี้ได้ จะช่วยเปิดโอกาสให้นักเคมีภัณฑ์ยามีช่องทางที่ใช้งานได้จริงและหลากหลายยิ่งขึ้นในการสังเคราะห์รวมถึงการค้นคว้าโมเลกุลใหม่ๆ ที่อาจเป็นประโยชน์

แม้ว่านี่จะยังคงเป็นผลลัพธ์ในระยะเริ่มต้น แต่ก็นับเป็นอีกหนึ่งตัวอย่างที่เป็นรูปธรรมของทิศทางในภาพรวมที่เรากำลังมุ่งมั่นพัฒนา ซึ่งก็คือระบบ AI ที่สามารถก้าวมาเป็นพันธมิตรที่มีคุณค่าสำหรับนักวิทยาศาสตร์ในเกือบทุกขั้นตอนของกระบวนการวิจัย โมเดลได้ทบทวนวรรณกรรม เสนอแนวคิดที่ไม่คาดคิด ช่วยออกแบบและวิเคราะห์การทดลอง และได้ข้อค้นพบทางวิทยาศาสตร์ที่นักเคมีสามารถประเมินได้

เคมีอินทรีย์เป็นรากฐานของยาที่เป็นโมเลกุลขนาดเล็กทั้งหมด รวมถึงผลิตภัณฑ์ในด้านเกษตรกรรม อิเล็กทรอนิกส์ และวัสดุศาสตร์ ปฏิกิริยาเคมีจะมีประโยชน์อย่างยิ่งเมื่อสามารถสร้างพันธะเคมีประเภทเดียวกันได้อย่างน่าเชื่อถือในสารตั้งต้นที่หลากหลาย เมื่อปฏิกิริยาให้ผลผลิตต่ำหรือเกิดสารข้างเคียงที่ไม่ต้องการมากเกินไป นักวิทยาศาสตร์มักต้องตัดสินใจเลิกพัฒนาโมเลกุลที่น่าสนใจเหล่านั้น หรือต้องทุ่มเทเวลาไปกับการหาวิธีการสังเคราะห์ใหม่ที่ยุ่งยากกว่าเดิม กระบวนการสังเคราะห์จึงถือเป็นอุปสรรคสำคัญในการพัฒนายาใหม่ เนื่องจากนักวิทยาศาสตร์มักทดสอบได้เฉพาะโมเลกุลที่พวกเขาสามารถสังเคราะห์ขึ้นเองหรือจัดหามาได้เท่านั้น

ปฏิกิริยา Chan–Lam Coupling มีประโยชน์ในเคมีทางยาเนื่องจากช่วยสร้างพันธะคาร์บอน-ไนโตรเจน ซึ่งพบได้ทั่วไปในยา อย่างไรก็ตามปฏิกิริยาดังกล่าวไม่ได้ให้ประสิทธิภาพที่เท่าเทียมกันในโมเลกุลทุกกลุ่ม โดยเฉพาะอย่างยิ่งการทำปฏิกิริยา coupling ระหว่าง Primary Sulfonamides กับกรดโบโรนิกนั้นมักให้ผลผลิตในระดับที่ต่ำมาโดยตลอด ซัลโฟนาไมด์เป็นกลุ่มโมเลกุลที่สำคัญ ซึ่งพบในยาที่ใช้ในด้านมะเร็งวิทยาและโรคติดเชื้อ การทำให้ปฏิกิริยานี้มีความน่าเชื่อถือมากขึ้น อาจช่วยให้นักเคมีทางยามีแนวทางที่กว้างขึ้นและนำไปใช้ได้จริงมากขึ้นในการผลิตและศึกษาโมเลกุลที่อาจมีประโยชน์

ระบบที่บูรณาการเข้าด้วยกันนี้ได้ผสานความสามารถที่เสริมซึ่งกันและกันไว้ได้อย่างลงตัว มีการนำพรอมต์ที่เขียนโดยนักวิทยาศาสตร์ผู้ร่วมงานกับ Maria AI มาใช้ร่วมกับ GPT‑5.4 ภายใต้โครงสร้างการทำงานแบบบูรณาการ เพื่อสร้างและจัดลำดับข้อเสนอทางการวิจัยจำนวนหลายพันรายการ นักเคมีตรวจสอบข้อเสนอเพียงส่วนน้อยที่ได้รับคะแนนจัดอันดับสูงสุดจากระบบ ก่อนคัดเลือก 4 ข้อเสนอเพื่อนำไปทดสอบในห้องปฏิบัติการ จากนั้น Maria AI ได้เปลี่ยนแผนงานระดับสูงที่ได้รับคัดเลือกให้เป็นคำสั่งปฏิบัติการในห้องทดลองอย่างละเอียด ดำเนินการทดลองแบบความเร็วสูงจำนวนหลายพันรายการ วิเคราะห์ข้อมูลดิบ และส่งผลลัพธ์ที่มีโครงสร้างกลับไปยัง GPT‑5.4 

หนึ่งในสี่ข้อเสนอที่ได้รับการคัดเลือก ซึ่งมีรหัสว่า OAI-M1-03 เสนอให้ใช้สารออกซิไดซ์ชนิดอ่อน เช่น TEMPO เพื่อเพิ่มประสิทธิภาพของปฏิกิริยา Chan-Lam สำหรับการสังเคราะห์ซัลโฟนาไมด์ นักเคมีมองว่าข้อเสนอดังกล่าวนั้นทั้งคาดไม่ถึงและมีความน่าสนใจ เราแบ่งปันข้อค้นพบโดยละเอียดจาก OAI-M1-03 ไว้ในบล็อกโพสต์นี้และในเอกสารวิจัย⁠(เปิดในหน้าต่างใหม่)

จากนั้น Maria ได้นำข้อเสนอการวิจัยฉบับสุดท้ายไปสร้างชุดแผนการทดลอง โดยมีการปรับแก้เล็กน้อยจากนักวิจัย การแก้ไขโดยมนุษย์ที่สำคัญที่สุดคือการหลีกเลี่ยงการใช้ไดเมทิลซัลฟอกไซด์ (DMSO) เป็นตัวทำละลาย เนื่องจากนักเคมีกังวลว่าสารดังกล่าวอาจทำปฏิกิริยากับสารออกซิไดซ์ที่มีความแรงสูงกว่าซึ่งใช้เป็นตัวเปรียบเทียบ

กระบวนการทั้งหมดใช้เวลาสามเดือน ตั้งแต่การเริ่มป้อนพรอมต์ครั้งแรกเมื่อวันที่ 4 มีนาคม จนถึงการเผยแพร่ผลลัพธ์ของ OAI-M1-03 แก่ผู้เชี่ยวชาญอิสระเมื่อวันที่ 4 มิถุนายน

เรานิยามกระบวนการทำงานนี้ว่าเป็นการทำงานแบบกึ่งอัตโนมัติ ไม่ใช่แบบอัตโนมัติเต็มรูปแบบ เพราะนักเคมียังคงมีบทบาทในการตัดสินใจสำคัญตลอดทั้งกระบวนการ โมเดลเป็นผู้เสนอแนวคิดการวิจัยหลัก ขณะที่นักเคมีทำหน้าที่กำหนดทิศทางและใช้วิจารณญาณในภาพรวม แก้ไขรายละเอียดการทดลอง ช่วยเตรียมวัสดุสิ้นเปลืองและสารเคมีสำหรับห้องปฏิบัติการ รวมถึงทำการทดลองสำคัญซ้ำด้วยตนเอง

OAI-M1-03 ระบุว่า TEMPO เป็นสารเติมแต่งที่มีประโยชน์สำหรับการทำปฏิกิริยา Chan-Lam ของ Primary Sulfonamide ที่ศึกษาในงานวิจัยนี้ เมื่อปรับสภาวะให้เหมาะสม ปฏิกิริยาดังกล่าวมีประสิทธิภาพดีขึ้นในสองด้าน คือผลผลิตเฉลี่ยเพิ่มสูงขึ้น และจำนวนคู่สารตั้งต้นที่ให้ผลผลิตในระดับที่นำไปใช้งานได้จริงมีมากขึ้น

ตลอดระยะเวลาสองรอบการทำงาน Maria ได้ดำเนินการทดลองไปทั้งสิ้น 10,080 รายการ ซึ่งมากกว่าปริมาณงานที่นักเคมีคนหนึ่งจะทำได้ในรอบทศวรรษ หากต้องทำการทดลองวันละสามรายการ ขนาดของการทดลองในระดับนี้มีความสำคัญ เพราะผลลัพธ์ทางเคมีอาจนำไปสู่ข้อสรุปที่คลาดเคลื่อนได้ หากทดสอบกับตัวอย่างเพียงไม่กี่กรณี ปฏิกิริยาอาจดูมีแนวโน้มดีเมื่อใช้กับสารตั้งต้นคู่หนึ่งแต่กลับใช้ไม่ได้ผลกับชุดโมเลกุลที่กว้างขึ้น การทดลองนับพันรายการทำให้สามารถระบุได้ว่า TEMPO เป็นสารออกซิไดซ์ที่มีประโยชน์ท่ามกลางสารทั้งสิบชนิดที่นำมาทดสอบ อีกทั้งยังช่วยให้เห็นผลลัพธ์ที่เกิดขึ้นซ้ำในคู่สารตั้งต้นที่หลากหลาย และค้นพบข้อจำกัดของสารนี้ได้ในที่สุด

หลังจากวิเคราะห์ข้อมูลจากรอบแรกแล้ว ระบบได้เสนอการทดลองรอบที่สองที่มุ่งเป้าเฉพาะเจาะจงมากขึ้น เพื่อทดสอบสมมติฐานที่ต่อยอดจากผลลัพธ์ที่พบ ผลการค้นพบที่สำคัญอีกประการหนึ่งคือ TEMPO สามารถถูกแทนที่ด้วยสารอนุพันธ์ที่มีราคาถูกกว่ามากอย่าง 4-hydroxy-TEMPO โดยแทบไม่สูญเสียประสิทธิภาพของปฏิกิริยา

ผลลัพธ์นี้ไม่ได้จำกัดอยู่เพียงการทดสอบแบบปริมาตรระดับไมโครลิตรของ Maria Lab แต่ยังคงให้ผลที่สอดคล้องกันในสภาวะอื่นด้วย นักเคมีได้ทำการทดลองซ้ำกับปฏิกิริยาตัวแทนด้วยตนเองในระดับห้องปฏิบัติการ และพบว่าผลได้เพิ่มขึ้นใน 11 จาก 14 คู่ของสารตั้งต้น โดยใน 8 คู่ ผลได้เพิ่มขึ้นมากกว่าสองเท่า การทดลองซ้ำนี้มีความสำคัญอย่างยิ่ง เนื่องจากผลการทดลองในสเกลขนาดเล็กมากบางครั้งอาจทำให้เกิดค่าความคลาดเคลื่อนหรือผลลวงซึ่งอาจหายไปเมื่อขยายการทดลองในสเกลที่ใหญ่ขึ้น การยืนยันผลในระดับปฏิบัติการจริงถือเป็นธรรมเนียมปฏิบัติก่อนที่งานวิจัยจะได้รับการตีพิมพ์ในวารสารทางวิทยาศาสตร์

ผู้เชี่ยวชาญด้านเคมีจากภายนอกจำนวนสี่ท่านได้ตรวจสอบผลงานที่อธิบายเกี่ยวกับ OAI-M1-03 ก่อนการตีพิมพ์ การประเมินของผู้เชี่ยวชาญเหล่านั้นสนับสนุนมุมมองของเราที่ว่า ผลลัพธ์นี้มีความแปลกใหม่และควรค่าแก่การเผยแพร่ต่อชุมชนนักวิจัย ขั้นตอนต่อไปที่สำคัญกว่าคือการตรวจสอบว่าผลลัพธ์นี้สามารถทำซ้ำได้โดยห้องปฏิบัติการอิสระ และมีคุณค่าต่อการใช้งานกับโมเลกุลหลากหลายประเภทมากกว่าที่ศึกษาในครั้งนี้หรือไม่

สำหรับข้อเสนออีก 3 ข้อที่ GPT‑5.4 สร้างขึ้นและ Maria นำไปทดสอบตลอดช่วงเวลา 3 เดือนนั้น OAI-M1-02 และ OAI-M1-04 ได้รับการยืนยันจากการทดลองใน Maria Lab ขณะที่ OAI-M1-01 ถูกพิสูจน์ว่าไม่ถูกต้อง การวิเคราะห์ผลลัพธ์เหล่านี้กำลังดำเนินอยู่

งานวิจัยนี้แสดงให้เห็นว่าโมเดลสามารถสร้างประโยชน์ต่อสาขาเคมีอินทรีย์ได้ โมเดลไม่ได้ทำเพียงสรุปงานวิจัยที่มีอยู่หรือเสนอการทดลองเพียงครั้งเดียวเท่านั้น แต่ยังเสนอสมมติฐานเฉพาะที่คาดไม่ถึงให้นักวิจัยพิจารณา ออกแบบการทดลอง ตีความข้อมูลจากการทดลอง และออกแบบการทดลองต่อยอดอีกด้วย

อย่างไรก็ตามผลงานนี้ไม่ได้แสดงให้เห็นว่า AI สามารถดำเนินโครงการวิจัยด้านเคมีได้อย่างอิสระตั้งแต่ต้นจนจบ วิจารณญาณของมนุษย์ยังคงมีความจำเป็น และกระบวนการทำงานก็ขึ้นอยู่กับโครงสร้างพื้นฐานเฉพาะทางที่มีอัตราการประมวลผลสูง นอกจากนี้สิ่งนี้ยังไม่ได้พิสูจน์ว่าวิธีการดังกล่าวจะสามารถนำไปใช้ได้โดยทั่วไปกับปฏิกิริยา Coupling อื่นๆ สารตั้งต้นอื่นๆ หรือ สภาวะการผลิตได้

ค่าประมาณผลได้มาจากแพลตฟอร์มการทดลองแบบทดสอบปริมาณงานสูง และการตรวจสอบยืนยันในห้องปฏิบัติการครอบคลุมคู่สารตั้งต้นที่เป็นตัวแทน 14 คู่ ยังจำเป็นต้องมีการศึกษาเพิ่มเติมเพื่อระบุลักษณะของกลไกปฏิกิริยา กำหนดขอบเขตของสารตั้งต้น วัดประสิทธิภาพภายใต้สภาวะห้องปฏิบัติการที่แตกต่างกัน และทำซ้ำผลลัพธ์ได้อย่างเป็นอิสระ

ขีดความสามารถทางเคมีจำเป็นต้องได้รับการดูแลอย่างระมัดระวัง เนื่องจากเครื่องมือชนิดเดียวกันที่ช่วยส่งเสริมความก้าวหน้าทางการแพทย์และวัสดุศาสตร์อาจมีความเสี่ยงที่จะถูกนำไปใช้ในทางที่ไม่เหมาะสมได้ เราได้กำหนดขอบเขตของงานวิจัยนี้ไว้ที่ปัญหาทางเคมียาที่เป็นโจทย์จริงอย่างตั้งใจ โดยมุ่งเน้นที่การปรับปรุงปฏิกิริยา Coupling ที่เป็นที่รู้จักอยู่แล้วและใช้ในการสังเคราะห์โมเลกุลที่มีคุณสมบัติคล้ายยา การทดลองดังกล่าวไม่ได้เกี่ยวข้องกับสารพิษ อาวุธเคมี หรือข้อกำหนดในการออกแบบสารประกอบที่เป็นอันตรายแต่อย่างใด ไม่ควรตีความผลลัพธ์เหล่านี้ว่าเป็นหลักฐานว่าระบบสามารถช่วยในการนำไปใช้ที่เป็นอันตรายเหล่านั้นได้ การดำเนินงานในโครงการนี้ไม่ได้ครอบคลุมถึงการทดสอบหรือการสาธิตผลลัพธ์ในประเด็นดังกล่าว

เราประเมินและบรรเทาความเสี่ยงที่เกิดขึ้นใหม่จากความสามารถขั้นสูงของโมเดลผ่าน กรอบการเตรียมความพร้อม⁠ของเรา รวมถึงความเสี่ยงที่เกี่ยวข้องกับด้านเคมีและชีวภาพ โมเดลที่ใช้ในงานนี้ได้ผ่านการประเมินที่เกี่ยวข้องร่วมกับ UK AI Security Institute มาแล้วก่อนหน้านี้ และระบบยังถูกออกแบบให้ปฏิเสธคำขอที่มุ่งเน้นการใช้งานในทางที่เป็นอันตราย กระบวนการทดลองนี้เพิ่มระดับการควบคุมอีกชั้นหนึ่ง โดยนักเคมีที่เป็นมนุษย์จะเป็นผู้คัดเลือกข้อเสนอที่จะเข้าสู่ห้องปฏิบัติการ ทบทวนแผนการทดลอง และยังคงอำนาจในการควบคุมโครงสร้างพื้นฐานทางกายภาพไว้

เราเชื่อว่านี่เป็นแนวทางที่รับผิดชอบในการศึกษาศักยภาพของ AI ในด้านเคมีเชิงทดลอง โดยการเลือกโจทย์ที่มีคุณค่าทางวิทยาศาสตร์ที่ชัดเจน ผสานมาตรการป้องกันในระดับโมเดลเข้ากับการกำกับดูแลโดยผู้เชี่ยวชาญ และประเมินระบบผ่านการทดลองทางกายภาพที่อยู่ภายใต้ขอบเขตที่กำหนดไว้ เมื่อความสามารถเหล่านี้พัฒนาก้าวหน้าขึ้น เราจะเดินหน้าประเมินความเสี่ยงที่อาจเกิดขึ้นใหม่อย่างต่อเนื่อง เสริมความแข็งแกร่งให้มาตรการป้องกัน และอธิบายอย่างชัดเจนว่าผลลัพธ์แต่ละอย่างบ่งชี้อะไร และไม่ได้บ่งชี้อะไร

ขั้นตอนต่อไปในระยะเร่งด่วนคือการดำเนินงานทางวิทยาศาสตร์ ได้แก่ การทดสอบกับสารตั้งต้นที่หลากหลายยิ่งขึ้น การวิจัยหาสาเหตุที่สารเติมแต่งช่วยเพิ่มประสิทธิภาพปฏิกิริยา การระบุขอบเขตการทำงานของปรากฏการณ์นี้ว่าได้ผลหรือล้มเหลวในกรณีใดบ้าง และการสนับสนุนให้มีการทดลองซ้ำโดยหน่วยงานอิสระ เมื่อพิจารณาร่วมกันการศึกษาเหล่านี้จะช่วยระบุว่าวิธีการนี้สามารถนำไปประยุกต์ใช้ได้อย่างกว้างขวางเพียงใด และมีประโยชน์มากน้อยเพียงใดในกระบวนการทำงานด้านเคมีทางยาที่ใช้จริง

เป้าหมายระยะยาวของเราคือการสร้างระบบ AI ให้เป็นคู่หูทางวิทยาศาสตร์ที่เชื่อถือได้ ซึ่งสามารถช่วยนักวิจัยในการตั้งสมมติฐาน ออกแบบการทดลอง ตีความผลลัพธ์ และตัดสินใจเกี่ยวกับขั้นตอนการวิจัยในลำดับต่อไป โดยที่การดำเนินงานทั้งหมดจะยังคงอยู่บนพื้นฐานของการใช้วิจารณญาณของผู้เชี่ยวชาญ การวัดผลที่แม่นยำ และมาตรการความปลอดภัยที่รัดกุม เคมีอินทรีย์เป็นสาขาที่สร้างผลกระทบได้สูงเป็นพิเศษ เพราะความก้าวหน้าในการค้นพบและการผลิตโมเลกุลขนาดเล็กขึ้นอยู่กับความสามารถในการสังเคราะห์โมเลกุลเหล่านั้นได้อย่างน่าเชื่อถือ นักวิทยาศาสตร์สามารถทดสอบได้เฉพาะโมเลกุลที่พวกเขาสังเคราะห์ขึ้นได้เท่านั้น และการสังเคราะห์ที่ดีขึ้นสามารถขยายขอบเขตของแนวคิดที่พวกเขาสามารถสำรวจได้ในด้านการแพทย์ เกษตรกรรม อิเล็กทรอนิกส์ พลังงาน และวัสดุศาสตร์ ผลลัพธ์นี้เป็นหนึ่งในตัวอย่างเบื้องต้นของแนวทางที่กว้างขึ้นดังกล่าว โดยเป็นการทำงานร่วมกันระหว่างโมเดลระดับแนวหน้า เอเจนต์เฉพาะทาง ห้องปฏิบัติการอัตโนมัติ และนักเคมี เพื่อเร่งวงจรการวิจัยให้ก้าวหน้าได้เร็วขึ้น และสร้างผลการค้นพบที่ชุมชนวิทยาศาสตร์สามารถประเมิน ทำซ้ำ และต่อยอดได้

เราขอขอบคุณทีมงาน Molecule.one และนักเคมีอิสระที่ได้ตรวจทานงานชิ้นนี้