Synthegy: Doğal Dil ile Kimyasal Sentez Planlamasını Devrim Niteliğinde Hızlandıran AI

Kimyasal sentez, yeni ilaçlar ya da ileri malzemeler geliştirmek isteyen araştırmacılar için en zorlu görevlerden biri olarak bilinir. Her bir molekül, titizlikle planlanmış bir dizi reaksiyonun sonucudur ve bu sürecin tasarımı, yılların deneyimini ve stratejik sezgiyi gerektirir. Geleneksel retrosentez yaklaşımı, kimyagerin hedef molekülü geriye doğru izleyerek daha basit başlangıç maddelerini ve olası reaksiyon yollarını belirlemesini içerir; bu aşamada doğru yapıtaşlarını seçmek, halka oluşum zamanını ayarlamak ve hassas fonksiyonel grupları korumak gibi pek çok kritik karar alınır. Bilgisayarlar devasa kimyasal uzayları tarayabilse de, hâlâ deneyimli kimyagerlerin sezgisel yargısına eşdeğer bir stratejik akıl yürütme sunmakta yetersiz kalmaktadır.

EPFL'de Philippe Schwaller liderliğindeki ekip, bu boşluğu doldurmak amacıyla büyük dil modellerini (LLM) kimya alanında bir akıl yürütme aracı olarak kullanan Synthegy adlı çığır açıcı bir sistem geliştirdi. Synthegy, kimyagerlerin doğal dilde verdiği basit talimatları (örneğin, bir halkanın erken oluşmasını istemek ya da koruyucu grupların gereksiz kullanımından kaçınmak) alır ve geleneksel retrosentez yazılımlarıyla oluşturulan binlerce olası sentez yolunu metne dönüştürür. Ardından LLM, bu metinleri değerlendirerek her bir yolun talimatlarla ne kadar uyumlu olduğunu puanlar ve karar sürecini açıklayan bir mantık sunar. Bu sayede kimyagerler, en uygun rotaları hızlıca sıralayabilir ve stratejik hedeflerine en çok uyan seçeneklere odaklanabilir.

Retrosentez planlamasının ötesinde, Synthegy reaksiyon mekanizmalarını da aynı metodolojiyle ele alıyor. Reaksiyonları temel elektron hareketlerine ayırarak farklı olasılıkları keşfeden sistem, dil modeli aracılığıyla her adımı değerlendiriyor ve kimyasal açıdan mantıklı olanları ön plana çıkarıyor. Kullanıcılar, reaksiyon koşulları ya da uzman hipotezleri gibi ek bilgileri metin olarak sisteme ekleyebildiği için analizlerini daha gerçekçi senaryolarla zenginleştirebiliyor.

Performans açısından Synthegy, çift kör bir çalışmada 36 kimyagerin 368 geçerli değerlendirmesiyle test edildi ve sonuçlar ortalama %71,2 oranında insan yargısıyla örtüştü. Sistem, gereksiz koruyucu adımları işaretleme, reaksiyonların uygulanabilirliğini ölçme ve verimli çözümleri önceliklendirme konularında etkili oldu. Büyük dil modelleri, fonksiyonel grup analizinden tüm sentez yolunun değerlendirilmesine kadar çok katmanda üstün performans gösterirken, daha küçük modellerin yetenekleri sınırlı kaldı.

Synthegy, yapay zekanın kimya üzerindeki rolüne yeni bir bakış açısı getiriyor: insan karar verme sürecini devralmak yerine, dil modellerini bir rehber olarak konumlandırarak bilgisayar destekli sonuçların yorumlanmasını ve iyileştirilmesini sağlıyor. Kimyagerler, hedeflerini sade bir dille ifade ederek, stratejilerine uygun çözümler alabiliyor. Bu yaklaşım, ilaç keşif süreçlerini hızlandırma, reaksiyon tasarımını iyileştirme ve ileri düzey sentez araçlarını daha geniş bir bilim topluluğuna erişilebilir kılma potansiyeline sahip.