К автономному открытию химических соединений: агентный ИИ в органическом синтезе и нанохимии
Toward autonomous chemical discovery: agentic AI in organic synthesis and nanochemistry
2026-09-24
SCID: 54.1/9r8efdsa
Discuss with AI
агентный искусственный интеллектавтономное открытие в химииавтономные лабораториинанохимияорганический синтез
Figures from the paper
Abstract (AI)
Традиционные подходы к открытию химических соединений в значительной степени опираются на человеческую экспертизу и экспериментальный метод проб и ошибок. Это делает процесс медленным и ресурсоёмким при исследовании больших химических пространств и разработке новых соединений. Искусственный интеллект (ИИ) преобразовал эту область, обеспечив предсказательные, генеративные и всё более автономные подходы. В частности, машинное обучение, глубокое обучение, генеративный ИИ и автономные лаборатории позволяют системам прогнозировать результаты химических реакций, проектировать молекулы и синтетические маршруты, а также проводить эксперименты в замкнутом цикле. Агентный ИИ расширяет эти возможности, позволяя системам ИИ планировать многоэтапные задачи, использовать внешние инструменты, интерпретировать экспериментальные результаты и адаптировать последующие действия для достижения научных целей. Эти возможности интегрируются в автономные системы ИИ в различных областях, включая органический синтез, нанохимию, вычислительную химию, робототехнику и автономное проведение экспериментов. В совокупности эти разработки создают основу для всестороннего обзора агентного ИИ и его потенциала в обеспечении автономного открытия химических соединений. Однако в существующих обзорах органический синтез и нанохимия преимущественно рассматриваются раздельно, без единой концептуальной основы, описывающей, каким образом агентный ИИ может объединить эти области для автономного открытия. В настоящем обзоре мы рассматриваем достижения в области предсказательного и генеративного ИИ, агентных систем, автономных лабораторий, а также связанных с ними вычислительных и робототехнических технологий, проводя различие между возможностями, продемонстрированными экспериментально, и возможностями, предложенными для будущих применений. Мы также анализируем основные проблемы, которые необходимо решить для достижения надёжного автономного открытия, включая интерпретируемость моделей, качество данных, воспроизводимость, экспериментальную валидацию, масштабируемость, безопасность и регулирование.
Key Findings
1
Агентный ИИ расширяет возможности химического ИИ, планируя многошаговые задачи, используя внешние инструменты, интерпретируя результаты и адаптируя действия для достижения научных целей.
2
Сочетание прогностического, генеративного и агентного ИИ с автономными лабораториями поддерживает замкнутый цикл химических исследований, включая предсказание результатов, дизайн молекул, планирование синтеза и проведение экспериментов.
3
Надёжное автономное открытие новых веществ ограничивают проблемы интерпретируемости, качества данных, воспроизводимости, экспериментальной проверки, масштабируемости, безопасности и управления.
4
В обзоре различаются возможности агентного ИИ, уже продемонстрированные экспериментально, и применения, предлагаемые для будущего развития в химии, робототехнике и автономных экспериментах.
5
Обзор объединяет органический синтез и нанохимию в единую структуру автономного химического поиска на основе агентного ИИ, тогда как ранее эти области преимущественно рассматривались отдельно.
Research Object
агентные системы ИИ для автономного химического открытия в органическом синтезе и нанохимии
Research Subject
интеграция прогнозного и генеративного ИИ, планирования многоэтапных задач, использования внешних инструментов, интерпретации экспериментальных результатов и адаптивного замкнутого цикла экспериментов, включая проблемы обеспечения надёжного автономного открытия
Publication Details
Publication Date
2026-09-24
Journal
Publisher
ISSN
Cited by
0
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai16
Заглядывая в «черный ящик»: обзор объяснимого искусственного интеллекта (XAI)2018
MoleculeNet: эталонный набор для машинного обучения молекул2017
Обзор автономных агентов на основе больших языковых моделей2024
Автономные химические исследования с использованием больших языковых моделей2023
Расширение возможностей больших языковых моделей с помощью химических инструментов2024
Лаборатории с автономным управлением для химии и материаловедения2024
ИИ-агенты и агентный ИИ: концептуальная таксономия, применения и проблемы2025
Обзор больших языковых моделей и автономных агентов в химии2024
ChatMOF: система искусственного интеллекта для предсказания и генерации металлоорганических каркасов с использованием больших языковых моделей2024
Автономные «самоуправляемые» лаборатории: обзор технологий и последствий для политики2025
Прогностическая химия: машинное обучение для внедрения реакций, разработки реакций и открытия реакций2022
Автономная лаборатория для фотохимического синтеза плазмонных наночастиц с заданными структурными и оптическими свойствами2025
Роль агентного искусственного интеллекта в здравоохранении: обзор области исследований2026
Архитектура самоходных лабораторий, ориентированная на данные, для автономного открытия новых наноматериалов2021
ИИ-агенты в разработке лекарственных препаратов: применения и практические примеры2026
Оценка и регулирование агентного ИИ: исследование бенчмарков, метрик и регулирования2026