Обзор больших языковых моделей и автономных агентов в химии
A review of large language models and autonomous agents in chemistry
2024-12-09
SCID: 54.1/ydusgdzs
Discuss with AI
автоматизированные лабораторииавтономные агентыбольшие языковые моделидизайн молекулпланирование синтеза
Figures from the paper
Abstract (AI)
Большие языковые модели (LLM) стали мощными инструментами в химии, существенно повлияв на проектирование молекул, прогнозирование свойств и оптимизацию синтеза. В настоящем обзоре рассматриваются возможности LLM в этих областях и их потенциал для ускорения научных открытий посредством автоматизации. Мы также рассматриваем автономных агентов на основе LLM — большие языковые модели с расширенным набором инструментов для взаимодействия с окружающей средой. Такие агенты выполняют разнообразные задачи, включая поиск и извлечение данных из научных статей, взаимодействие с автоматизированными лабораториями и планирование синтеза. Поскольку агенты являются активно развивающимся направлением, мы расширяем рассмотрение агентов за пределы химии и обсуждаем их применение в различных научных областях. В обзоре освещаются новейшая история, современные возможности и принципы разработки LLM и автономных агентов, а также конкретные проблемы, перспективы и направления дальнейших исследований в химии. Ключевые проблемы включают качество и интеграцию данных, интерпретируемость моделей и необходимость стандартизированных бенчмарков, тогда как перспективные направления связаны с созданием более совершенных мультимодальных агентов и усилением взаимодействия между агентами и экспериментальными методами. В связи с быстрыми темпами развития этой области создан репозиторий для отслеживания новейших исследований: https://github.com/ur-whitelab/LLMs-in-science.
Key Findings
1
Применения автономных агентов рассматриваются в различных научных областях, поскольку эта развивающаяся технология выходит за пределы химии.
2
Будущий прогресс ожидается благодаря мультимодальным агентам и более тесной интеграции автономных агентов с экспериментальными методами; репозиторий отслеживает быстро развивающиеся исследования.
3
Ключевые препятствия включают качество и интеграцию данных, ограниченную интерпретируемость моделей и отсутствие стандартизированных бенчмарков.
4
Автономные агенты на основе больших языковых моделей дополняют модели инструментами для поиска литературы, взаимодействия с автоматизированными лабораториями и планирования синтеза.
5
Большие языковые модели существенно влияют на дизайн молекул, прогнозирование свойств и оптимизацию синтеза в химии.
Research Object
большие языковые модели и автономные агенты на основе LLM в химии и других научных областях
Research Subject
их возможности, применения, устройство, проблемы и перспективные направления в разработке молекул, прогнозировании свойств, оптимизации синтеза, обработке научной информации, взаимодействии с лабораториями и планировании синтеза
Publication Details
Publication Date
2024-12-09
Journal
Publisher
ISSN
Cited by
274
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai20
Использование генеративного искусственного интеллекта для масштабирования интеллектуальных обучающих систем2023
Исследование пределов трансферного обучения с помощью унифицированного преобразователя текста в текст2019
Нейронный машинный перевод посредством совместного обучения выравниванию и переводу2014
Всеобъемлющий обзор графовых нейронных сетей2020
Автоматическое проектирование химических соединений с использованием управляемого данными непрерывного представления молекул2018
Интеллект, компилируемый через аффордансы: наблюдаемое сопоставление когнитивных импедансов для LLM-интегрированных систем без мета-доступа2020
Устойчивое распознавание речи с помощью масштабного слабого обучения2022
MoleculeNet: эталонный набор для машинного обучения молекул2017
Обзор автономных агентов на основе больших языковых моделей2024
ADMETlab 2.0: интегрированная онлайн-платформа для точных и комплексных прогнозов ADMET-свойств2021
Transformers от HuggingFace: современные методы обработки естественного языка2019
Генеративные агенты: интерактивные симулякры человеческого поведения2023
Технический отчет о GPT-42023
Гематоэнцефалический барьер: структура, регуляция и доставка лекарственных средств2023
Оценка больших языковых моделей, обученных на коде2021
BioGPT: генеративный предварительно обученный трансформер для генерации и интеллектуального анализа биомедицинских текстов2022
Автономные химические исследования с использованием больших языковых моделей2023
Автономная лаборатория для ускоренного синтеза неорганических материалов2023
Стимулирование дивергентного мышления у больших языковых моделей с помощью дебатов между несколькими агентами2024
Структурированное извлечение информации из научных текстов с помощью больших языковых моделей2024
Работы, цитирующие эту статью7
От рассуждений больших языковых моделей к автономным ИИ-агентам: всесторонний обзор2026
От языка к действию: обзор больших языковых моделей как автономных агентов и пользователей инструментов2026
Риски «AI-учёных»: приоритет защиты над автономией2025
Цифровая экосистема материалов: от баз данных к ИИ-агентам для автономного поиска2026
ИИ-агенты в разработке лекарственных препаратов: применения и практические примеры2026
SasAgent: мультиагентная система искусственного интеллекта для анализа данных малоуглового рассеяния2026
К автономному открытию химических соединений: агентный ИИ в органическом синтезе и нанохимии2026