Ieguvumi:
- Spēja atšķirt, kur mākslīgais intelekts ietaupa laiku ķīmijas darbplūsmā (ideja, dizains, analīze, ziņošana) un kur struktūra, skaits, resursi un drošības lēmumi tiek atstāti cilvēku ziņā atkarībā no riska līmeņa.
- Spēja pielietot disciplīnu, kas neatkarīgi pārbauda katru izvadi ar četriem soļiem Struktūra-Numurs-Resurss-Drošība
- Saprotiet, kāpēc izdomāti savienojumi un skaitļi, nepatiesas atsauces un drošības maldīgi priekšstati ir riski šai profesijai, kas jāņem vērā jau pašā sākumā.
Ķīmija ir eksperimentāla zinātne, kas pēta matērijas struktūru, transformāciju un īpašības. Ķīmiķis laboratorijā sver, šķīdina, silda un mēra; Pie sava rakstāmgalda viņš zīmē molekulas, plāno reakcijas, interpretē spektrus, skenē literatūru un raksta atskaites. Mākslīgais intelekts (saīsināti mākslīgais intelekts, šeit īpaši programmatūra, kas ģenerē tekstu, paredzot “nākamo visticamāko vārdu”, kas apmācīts uz liela valodas modeļa, t.i., apjomīgiem teksta datiem) var ievērojami paātrināt daudzus no šiem galda darbiem. Taču tā neveido pašu laboratoriju, nelasa skalas un, pats galvenais, nepārbauda nekādus skaitļus, formulas vai citātus, ko tas sagatavo jūsu vārdā. Šis modulis māca, kā AI izmantot ķīmijā no gala līdz galam, bet atbildīgi.
Šajā pirmajā daļā es vēlos jūsu prātā ielikt vienu ideju: AI ir palīgs ķīmijā, nevis ķīmiķis. Raksta kodu, veido kontūras, veido retrosintēzes sistēmu, palīdz interpretēt spektra maksimumus, apkopo literatūru. Tomēr kompetentais ķīmiķis izlemj, vai molekulu patiešām var sintezēt, vai reakcija ir droša vai nē, vai atsauce ir patiesa vai nē, un galīgo atbildību.
Kur AI iekļaujas ķīmijas darbplūsmā?
Aptuveni sadalīsim ķīmijas projektu piecās fāzēs: (1) ideja un literatūra, (2) molekulu un reakcijas dizains, (3) laboratorijas pielietojums, (4) analīze un raksturojums, (5) ziņošana. AI šajos posmos ir ļoti atšķirīgas vērtības.
- Idejas un literatūra: AI ātri apkopo tēmu, izskaidro galvenos jēdzienus, ģenerē meklēšanas vienumus. Bet viņš var izdomāt attiecinājumu; Mēs to redzēsim pēc brīža.
- Dizains: ģenerē SMILES (molekulas kā teksta virknes rakstīšanas veids; vairāk par to vēlāk), iesaka retrosintēzes soļus, uzskaita reaktīvas alternatīvas. Ieteikums ir labs, nevis garantija.
- Laboratorija: AI šeit neko nedara. Svēršanu, karsēšanu un drošības pasākumus veic cilvēki. AI palīdz tikai uzrakstīt procedūru; Pirms šīs procedūras veikšanas cilvēkam tā ir jāuzrauga drošības nolūkos.
- Analīze: interpretējot KMR, IR, masas spektru (tās ir mērījumu metodes, kas parāda molekulas struktūru), YZ palīdz grupēt pīķus un uzskaitīt iespējamās struktūras. Pēdējais uzdevums ir jūsu.
- Pārskati: izstrādā eksperimentālu piezīmju grāmatiņu, raksta melnrakstu, drošības veidlapas melnrakstu. Tas ir ļoti spēcīgs; bet skaitļiem ir jāsakrīt ar jūsu.
Padoms. Visdrošākā AI izmantošanas vieta ir apgabalos “ja kaut kas noiet greizi, tas tiks pamanīts un nekavējoties labots”: teksta melnraksts, koda skelets, termina apraksts. Riskantākās vietas ir apgabali "ja nepatiess, tas izplatās klusi": konstantes, atsauces, drošības apgalvojumi, skaitliski rezultāti.
Kāpēc mums jābūt uzmanīgiem? Trīs strukturālie riski
Lielais valodas modelis nav kalkulators vai ķīmijas dzinējs. Izveido tekstu, kas statistiski "izskatās ticams". Tas ķīmijā rada trīs konkrētus riskus:
- Sagatavots (halucinācijas): var droši pierakstīt savienojumu, kas nav modelis, reakciju, kas neeksistē, vai nepareizu molekulmasu. Piemēram, tas saka: "Savienojuma X molekulmasa ir 154,2 g/mol", bet pareizā vērtība ir 168,2.
- Viltus citāts: var norādīt avotu, kas izskatās reālistisks, bet vispār neeksistē, piemēram, “Smits et al., 2019, Journal of Organic Chemistry”. Viņš pat var izdomāt DOI numuru.
- Drošības kļūda: var parādīt bīstamu reaģentu kombināciju (piemēram, oksidētājs un organiskais šķīdinātājs neatbilstošā attiecībā) kā "nav problēmu".
Šie trīs riski atkal un atkal parādīsies katrā šī moduļa vienībā. Risinājums nav izvairīties no AI, bet gan izveidot disciplīnu, lai pārbaudītu katru izvadi ar neatkarīgu avotu.
mini futrāļi
1. gadījums — pielāgota molekulmasa. Kāds absolvents jautāja AI para-nitrofenola molekulmasu. "139,11 g/mol," sacīja AI. Students bija pārliecināts un plānoja svērt 6,96 g uz 0,05 mol. Tomēr para-nitrofenola molekulmasa ir 139,11 g/mol, un šoreiz tā bija pareiza, taču students nekad nebija pārbaudījis. Uz nākamo savienojumu (para-aminofenols, faktiskā vērtība 109,13 g/mol) YZ teica “123,15”; Šoreiz skolēns to noķēra, ar roku aprēķinot no formulas (C6H7NO2): 6×12,011 + 7×1,008 + 14,007 + 2×15,999 = 109,13. Nodarbība: aprēķiniet katru molekulmasu bez formulas.
2. gadījums — viltots DOI. Pētnieks savā literatūras pārskatā lūdza AI norādīt 5 avotus. Divu no pieciem DOI pēc noklikšķināšanas atgriezās "nav atrasts"; Virsraksti bija fakti, bet raksti nē. Laika tērēšana 40 minūtes. Nodarbība: ne katrs citāts ir jāizmanto bez pārbaudes datubāzē (DOI, PubMed, Reaxys).
3. gadījums — apdraudējums, kas šķiet drošs. Lietotājs jautāja AI par tīrīšanas procedūru; AI netieši radīja ierosinājumu sajaukt hipohlorītu saturošu šķīdumu ar skābu šķīdumu - kombināciju, kas varētu atbrīvot hlora gāzi. Par laimi lietotājs apskatīja drošības datu lapu (SDS) un apstājās. Nodarbība: pirms katras procedūras veikšanas cilvēks pārbauda SDS un risku.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Sintezē šo molekulu.
Šis apgalvojums ir neskaidrs: kāda molekula, kādi izejmateriāli, kāds mērogs, kādi ierobežojumi? AI veido nepilnības.
Spēcīga uzvedne:
Loma: Jūs esat pieredzējis organiskās sintēzes asistents. Mērķa molekula: 4-metoksiacetofenons (SMILES: COc1ccc(cc1)C(C)=O). Mums ir anizols kā izejmateriāls. Uzdevums: Sniedziet 2 soļu retrosintēzes priekšlikumu. Katram posmam: reaģenti, apstākļi (temperatūra, šķīdinātājs) un IESPĒJAMĀS blakusreakcijas. Ierobežojums: Atzīmējiet "VERIFY", kur neesat pārliecināts, fitting.Izvade: numurēti soļi + pārbaudāmo punktu saraksts.
Atšķirība: loma, precīzs mērķis (ar SMILES), konteksts, soļu skaits, izvades formāts un "pielāgošanas" ierobežojums. Šīs ir piecas labas pamudināšanas sastāvdaļas ķīmijā: loma, precīzs struktūras attēlojums, konteksts, uzdevums, pārbaudes ierobežojums.
AI rīku veidi: valodas modelis vai ķīmijas rīks?
Ķīmijā jūs saskaraties ar diviem dažādiem "AI", un ir svarīgi tos nesajaukt:
Žanrs
Ko dara
uzticamība
Lietošanas piemērs
Vispārējs valodas modelis
Ģenerē tekstu/kodu, skaidro, raksta melnrakstus
Maz skaitļu, daudz valodas
Procedūras izklāsts, terminoloģijas skaidrojums
Ķīmijas bibliotēka (RDKit utt.)
Deterministiski apstrādā molekulu, aprēķina molekulmasu
Augsts (pamatojoties uz noteikumiem)
SMILES verifikācija, MA konts
Pielāgots prognozēšanas modelis (retrosintēze, funkcija)
Sniedz ar datiem apmācītu prognozi
Vidēja, atkarībā no apgabala
Retrosintēze, šķīdības noteikšana
Literatūras/meklēšanas rīks
Reāli datu bāzes vaicājumi
Augsts atkarībā no avota
Attiecinājuma apstiprināšana, reakcijas meklēšana
Visizturīgākā darbplūsma tos apvieno: valodas modelis ģenerē ideju, ķīmijas bibliotēka deterministiski aprēķina skaitli, literatūras rīks pārbauda attiecinājumu, cilvēks apstiprina. Mēs izveidosim šo ķēdi nākamajās vienībās.
Pārbaudes disciplīna: ČETRI soļi
Veiciet katru AI izvadi, veicot šīs četras darbības, pirms ievadāt to laboratorijā vai ziņojumā:
- Struktūra: vai molekulas/reakcijas apzīmējums (SMILES/InChI) ir derīgs? Vai to var parsēt ar rīku (RDKit)?
- Skaitlis: vai molekulmasa, stehiometrija, ražas aprēķins ir pārbaudīti neatkarīgi (ar roku vai bibliotēku)?
- Avots: vai katrs apgalvojums un attiecinājums ir pārbaudīts reālā datu bāzē?
- Drošība: vai SDS ir izlasīts katram procedūras reaģentam, vai ir kādas bīstamas kombinācijas?
Piezīme. Šīs četras darbības attiecas uz "vienmēr", nevis "dažreiz". 20 situācijas, kurās AI ir pareiza, neattaisno 1 situāciju, kurā tā ir nepareiza; jo ķīmijā tā 1 situācija varētu būt sprādziens, saindēšanās vai ievilkts raksts.
Biežas kļūdas
- AI izvades kļūdaini uztveršana kā “resurss”. AI nav resurss, bet gan ģenerators, kas mēģina atcerēties resursus (dažreiz nepareizi). Tā ir avota datu bāze.
- Uzticoties numuram. Izmantojot tādus skaitļus kā molekulmasa, pKa, viršanas temperatūra, nepārbaudot tos. Tos var aprēķināt/meklēt deterministiski; Valodas modeļa jautāšana ir vājākais veids.
- Drošības ārpakalpojumi AI. "AI neteica, ka tas ir bīstami" nenozīmē, ka tas ir drošs. Bīstamības novērtēšana ir cilvēka un SDS darbs.
- Neskaidra uzvedne. Nenorāda molekulu pēc tās nosaukuma, bet gan pēc tās struktūras (SMILES/InChI); Tas noved pie nepareizām molekulām nosaukuma neskaidrības dēļ.
- Uzticoties tikai vienam mēģinājumam. Atkārtoti uzdodot to pašu jautājumu citā veidā un nepārbaudot konsekvenci.
Rezumējot
- AI ir spēcīgs galda palīgs ķīmijā: tas ražo kodu, kontūras, aprakstus, skenē skeletus; bet laboratorija to nedara un nepārbauda savu produkciju.
- Pastāv trīs raksturīgi riski: viltots savienojums/skaitlis, viltus attiecinājums, drošības kļūda.
- Atdaliet un apvienot vispārējo valodas modeli un deterministiskās ķīmijas rīkus (RDKit, datu bāzes).
- Veiciet katru izvadi, veicot četras darbības Struktūra–Numurs–Avots–Drošība.
- Laba uzvedne: ietver lomu, skaidru struktūras attēlojumu, kontekstu, uzdevumu, validācijas ierobežojumu.
Lietojumprogrammas uzdevums
Izvēlieties molekulu, kuru esat pētījis pats (piemēram, aspirīns, SMILES: CC(=O)Oc1ccccc1C(=O)O). Pajautājiet AI trīs lietām: (1) molekulmasa, (2) divi atsauces dokumenti, (3) sintēzes posms. Pēc tam pārbaudiet katru atsevišķi: manuāli aprēķiniet molekulmasu no formulas, apstipriniet citātus ar DOI, pārbaudiet sintēzes posmu ar drošības aci. Kura izvade bija pareiza un kurai bija nepieciešama korekcija? Saglabājiet puslappusi garu “verifikācijas žurnālu”.
kontrolsaraksts
- [ ] Es sapratu, ka AI ir palīgs, nevis ķīmiķis.
- [ ] Es apzinos izdomāšanas, nepatiesas attiecināšanas un neuzticēšanās riskus ar piemēriem.
- [ ] Es varu atšķirt valodas modeli un deterministiskās ķīmijas rīkus.
- [ ] Katrai izvadei piemērošu četrus soļus Struktūra–Numurs–Avots–Drošība.
- [ ] Es aprakstu molekulas pēc struktūras apzīmējuma (SMILES/InChI), nevis pēc nosaukuma.
- [ ] Es saglabāju vismaz vienu verifikācijas žurnālu.