AI在分子设计领域的突破，打开了一扇全新的大门。说白了，过去那种既能设计分子、又能规划合成步骤，还能理解普通人用日常语言描述需求的方式，如今已经成为了现实。

传统上，想要找到某个具备特定属性的分子，好比大海捞针，费时又烧钱。研究人员往往要在长达数月的时间里，从海量的候选分子里，最终筛选出寥寥可数的几个目标分子，过程极为繁琐。

大语言模型，比如我们熟悉的ChatGPT，按理说能简化这个流程。但问题在于，构成分子的原子和化学键，跟构成句子的单词完全不是一回事。让大语言模型像理解单词那样去理解分子，存在一道天然的技术壁垒。

近期，麻省理工学院和MIT-IBM沃森人工智能实验室的研究人员，找到了破解之道。他们开发了一种新方法，将擅长处理图形结构的基于图的模型，与强大但不懂分子结构的大语言模型巧妙结合。

这套系统的运作方式很有意思：基础大语言模型先解析用户的自然语言需求，然后像一位智能调度员，在分子设计、原理阐释和合成路线规划这三个环节，智能地切换到对应的AI模块去执行任务。

它把文本、分子图形和合成步骤这三件事编织在一起，创造了一个同时包含单词、图形和反应的“通用词汇表”，供大语言模型调用，实现了多模态信息的无缝衔接。

效果相当惊人。跟现有的基于大语言模型的方法比，这种多模态技术生成的分子，更符合用户设定的规格。最关键的数据是，有效合成方案的成功率，直接从5%提升到了35%。

值得一提的是，这种方法的效果，甚至碾压了那些体积比它大10倍以上、但只依赖文本描述来设计分子和合成路线的大语言模型。这足以说明，多模态融合才是新系统成功的核心密码。

麻省理工学院的研究生、论文合作者Michael Sun打了个比方：“这有望成为一个‘端到端’的解决方案，把分子设计与合成的全过程都自动化。设想一下，大语言模型几秒钟就能给出答案，这对制药公司来说，省下的时间和资源将难以估量。”

这项成果将在国际学习表征会议上正式发表。合作者还包括圣母大学研究生Gang Liu、麻省理工学院教授Wojciech Matusik，以及MIT-IBM实验室的资深科学家Jie Chen。研究部分得到了美国国家科学基金会、海军研究办公室以及MIT-IBM实验室的资助。

优势互补

大语言模型能写诗、能编程，但它天生不懂化学的微妙之处。这也是它们难以胜任逆向分子设计的原因——所谓逆向分子设计，就是从你想要的特定功能或特性出发，反过来去确定分子结构。

大语言模型的工作方式是把文本拆成“标记”，然后按顺序预测下一个单词。但分子是由原子和化学键构成的“图形结构”，它没有天然的先后顺序，很难编码成大语言模型习惯的顺序文本。

另一方面，基于图的模型则擅长处理这种结构，它把原子和化学键表示为图形中的节点和边。这类模型在逆向分子设计中应用广泛，但问题是，它们无法理解自然语言，输入复杂，生成的结果也经常让人摸不着头脑。

麻省理工团队的做法，就是把两者的优势捏合到一个统一的框架里，让它们取长补短。

这个框架被命名为Llamole（Large Language Model for Molecule Discovery，分子发现大型语言模型）。基础大语言模型充当“智能调度员”，负责理解用户用日常语言提出的需求——比如“我想要一个分子量为209、能穿透血脑屏障并抑制HIV的分子”。

当大语言模型响应查询并预测文本时，一个独特的“触发令牌”机制会启动，让系统在三大功能模块间智能切换：1、结构生成模块，基于图扩散模型，根据输入条件构建分子骨架；2、语义转换模块，通过图神经网络把分子结构重新编码成大语言模型能理解的词元；3、合成规划模块，根据中间体结构预测反应路径，逆向推导出从基础原料到目标分子的完整合成方案。

“精妙之处在于模块间的信息是闭环流动的，”Michael Sun解释说，“大语言模型在激活特定模块前生成的所有内容，都会输入给这个模块。同样，每个模块的输出也会经过编码，反馈回大语言模型的生成过程，这样大语言模型就能‘看见’每个模块的成果，并据此继续预测后续内容。”

更优、更简单的分子结构

说了这么多，最终输出的是什么？Llamole会给出分子结构的图像、分子的文本描述，还有一个分步的合成计划，详细说明了每一步该用什么化学反应。

在一系列基准测试中，Llamole的表现超过了10种标准大语言模型、4种微调的大语言模型，以及最先进的特定领域方法。它不仅生成的分子质量更高，还把逆合成规划的成功率从5%拉到了35%。这意味着它推荐的分子结构更简单，构建这些分子的成本也更低。

“大语言模型自己很难搞清楚如何合成一个分子，因为这需要大量多步骤的规划，”Gang Liu补充道，“我们的方法能生成更优质、也更容易合成的分子结构。”

为了训练和评估Llamole，团队甚至从头构建了两个数据集，因为现有的数据集细节不够用。他们用AI生成的自然语言描述和自定义的模板，对数十万个专利分子进行了扩充。

当然，方法也并非完美。他们为微调大语言模型构建的数据集，只包含了与10种分子特性相关的模板。这意味着Llamole目前只能在这10种数值特性范围内设计分子，这是一个明确的局限。

未来的研究计划很清晰：一方面要扩展Llamole的功能，让它能处理任何分子特性；另一方面要改进图形模块，进一步提高逆合成的成功率。

从更长远的视角看，团队希望这套方法能超越分子领域，用于创建能处理其他图基数据的通用多模态大语言模型。比如电网中互联的传感器数据，或者金融市场中的交易数据，都可能成为它的用武之地。

Jie Chen总结道：“Llamole证明了将大语言模型用作接口，来处理文本描述之外的复杂数据，是完全可行的。我们预计，它们将成为与其他AI算法交互、解决各类图形问题的基础平台。”