രസതന്ത്രത്തിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: റോളുകൾ, അതിരുകൾ, മൂല്യനിർണ്ണയം, ധാർമ്മികത

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് കെമിസ്ട്രി വർക്ക്ഫ്ലോയിൽ (ആശയം, രൂപകൽപ്പന, വിശകലനം, റിപ്പോർട്ടിംഗ്) സമയം ലാഭിക്കുന്നത് എവിടെയാണെന്നും അപകടസാധ്യതയുടെ തോത് അനുസരിച്ച് ഘടന, നമ്പർ, റിസോഴ്സ്, സുരക്ഷാ തീരുമാനങ്ങൾ മനുഷ്യർക്ക് വിട്ടുകൊടുക്കുന്നത് എവിടെയാണെന്ന് വേർതിരിച്ചറിയാൻ കഴിയും.
• സ്ട്രക്ചർ-നമ്പർ-റിസോഴ്സ്-സെക്യൂരിറ്റി എന്ന നാല് ഘട്ടങ്ങൾ ഉപയോഗിച്ച് ഓരോ ഔട്ട്പുട്ടും സ്വതന്ത്രമായി പരിശോധിക്കുന്ന ഒരു അച്ചടക്കം പ്രയോഗിക്കാനുള്ള കഴിവ്
• നിർമ്മിത സംയുക്തങ്ങളും സംഖ്യകളും തെറ്റായ റഫറൻസുകളും സുരക്ഷാ തെറ്റിദ്ധാരണകളും ഈ തൊഴിലിന് അപകടസാധ്യതയുള്ളത് എന്തുകൊണ്ടാണെന്ന് മനസിലാക്കുക, അത് തുടക്കം മുതൽ തന്നെ പരിഗണിക്കേണ്ടതാണ്.

ദ്രവ്യത്തിൻ്റെ ഘടന, പരിവർത്തനം, ഗുണങ്ങൾ എന്നിവ പഠിക്കുന്ന ഒരു പരീക്ഷണാത്മക ശാസ്ത്രമാണ് രസതന്ത്രം. ഒരു രസതന്ത്രജ്ഞൻ ലബോറട്ടറിയിൽ തൂക്കുകയും ലയിപ്പിക്കുകയും ചൂടാക്കുകയും അളക്കുകയും ചെയ്യുന്നു; അവൻ്റെ മേശപ്പുറത്ത്, അവൻ തന്മാത്രകൾ വരയ്ക്കുന്നു, പ്രതികരണങ്ങൾ ആസൂത്രണം ചെയ്യുന്നു, സ്പെക്ട്രയെ വ്യാഖ്യാനിക്കുന്നു, സാഹിത്യം സ്കാൻ ചെയ്യുന്നു, റിപ്പോർട്ടുകൾ എഴുതുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (ചുരുക്കത്തിൽ, ഇവിടെ പ്രത്യേകമായി "അടുത്ത സാധ്യതയുള്ള വാക്ക്" പ്രവചിച്ച് ടെക്‌സ്‌റ്റ് സൃഷ്‌ടിക്കുന്ന സോഫ്‌റ്റ്‌വെയർ, ഒരു വലിയ ഭാഷാ മാതൃകയിൽ പരിശീലിപ്പിച്ചിരിക്കുന്നു, അതായത്, വലിയ ടെക്‌സ്‌റ്റ് ഡാറ്റ) ഈ ഡെസ്‌ക് ജോലികളിൽ പലതും നാടകീയമായി വേഗത്തിലാക്കും. എന്നാൽ ഇത് സ്വയം ലാബ് നിർമ്മിക്കുന്നില്ല, അത് സ്കെയിലുകൾ വായിക്കുന്നില്ല, ഏറ്റവും പ്രധാനമായി: ഇത് നിങ്ങളുടെ പേരിൽ ഉൽപ്പാദിപ്പിക്കുന്ന സംഖ്യകളോ സൂത്രവാക്യങ്ങളോ അവലംബങ്ങളോ ഒന്നും പരിശോധിക്കുന്നില്ല. രസതന്ത്രത്തിൽ AI എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഈ മൊഡ്യൂൾ പഠിപ്പിക്കുന്നു, എന്നാൽ ഉത്തരവാദിത്തത്തോടെ.

ഈ ആദ്യ യൂണിറ്റിൽ, നിങ്ങളുടെ മനസ്സിൽ ഒരു ആശയം സ്ഥാപിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു: AI രസതന്ത്രത്തിലെ ഒരു സഹായിയാണ്, ഒരു രസതന്ത്രജ്ഞനല്ല. കോഡ് എഴുതുന്നു, രൂപരേഖകൾ നിർമ്മിക്കുന്നു, റിട്രോസിന്തസിസ് ചട്ടക്കൂട് നിർമ്മിക്കുന്നു, സ്പെക്ട്രം കൊടുമുടികളെ വ്യാഖ്യാനിക്കാൻ സഹായിക്കുന്നു, സാഹിത്യത്തെ സംഗ്രഹിക്കുന്നു. എന്നിരുന്നാലും, തന്മാത്രയെ യഥാർത്ഥത്തിൽ സമന്വയിപ്പിക്കാൻ കഴിയുമോ, ഒരു പ്രതികരണം സുരക്ഷിതമാണോ അല്ലയോ, ഒരു റഫറൻസ് യഥാർത്ഥമാണോ അല്ലയോ, ആത്യന്തിക ഉത്തരവാദിത്തം എന്നിവ തീരുമാനിക്കുന്നത് കഴിവുള്ള രസതന്ത്രജ്ഞനാണ്.

കെമിസ്ട്രി വർക്ക്ഫ്ലോയിൽ AI എവിടെയാണ് യോജിക്കുന്നത്?

ഒരു കെമിസ്ട്രി പ്രോജക്ടിനെ ഏകദേശം അഞ്ച് ഘട്ടങ്ങളായി വിഭജിക്കാം: (1) ആശയവും സാഹിത്യവും, (2) തന്മാത്രയും പ്രതികരണ രൂപകല്പനയും, (3) ലബോറട്ടറി ആപ്ലിക്കേഷൻ, (4) വിശകലനവും സ്വഭാവവും, (5) റിപ്പോർട്ടിംഗ്. ഈ ഘട്ടങ്ങളിൽ AI വളരെ വ്യത്യസ്തമായ മൂല്യങ്ങൾ വഹിക്കുന്നു.

• ആശയങ്ങളും സാഹിത്യവും: AI പെട്ടെന്ന് ഒരു വിഷയം സംഗ്രഹിക്കുന്നു, പ്രധാന ആശയങ്ങൾ വിശദീകരിക്കുന്നു, തിരയൽ പദങ്ങൾ സൃഷ്ടിക്കുന്നു. എന്നാൽ അവന് ആട്രിബ്യൂഷൻ ഉണ്ടാക്കാം; ഞങ്ങൾ ഇത് ഒരു നിമിഷത്തിനുള്ളിൽ കാണും.
• ഡിസൈൻ: സ്‌മൈലുകൾ (തന്മാത്രയെ ഒരു ടെക്‌സ്‌റ്റ് സ്‌ട്രിംഗായി എഴുതുന്ന ഒരു രൂപം; പിന്നീട് കൂടുതൽ) ജനറേറ്റുചെയ്യുന്നു, റിട്രോസിന്തസിസ് ഘട്ടങ്ങൾ നിർദ്ദേശിക്കുന്നു, റിയാക്ടീവ് ബദലുകൾ പട്ടികപ്പെടുത്തുന്നു. നിർദ്ദേശം നല്ലതാണ്, ഒരു ഗ്യാരണ്ടിയല്ല.
• ലബോറട്ടറി: AI ഇവിടെ ഒന്നും ചെയ്യുന്നില്ല. തൂക്കം, ചൂടാക്കൽ, സുരക്ഷാ നടപടികൾ എന്നിവ മനുഷ്യരാണ് നടത്തുന്നത്. നടപടിക്രമം എഴുതാൻ മാത്രമേ AI സഹായിക്കുന്നു; ആ നടപടിക്രമം നടത്തുന്നതിന് മുമ്പ് ഒരു മനുഷ്യൻ സുരക്ഷയ്ക്കായി അത് മേൽനോട്ടം വഹിക്കണം.
• വിശകലനം: NMR, IR, മാസ് സ്പെക്ട്രം (തന്മാത്രയുടെ ഘടന കാണിക്കുന്ന അളവെടുപ്പ് സാങ്കേതികതകളാണ് ഇവ) വ്യാഖ്യാനിക്കുന്നതിൽ, കൊടുമുടികൾ ഗ്രൂപ്പുചെയ്യാനും സാധ്യമായ ഘടനകളെ പട്ടികപ്പെടുത്താനും YZ സഹായിക്കുന്നു. അവസാന അസൈൻമെൻ്റ് നിങ്ങളുടേതാണ്.
• റിപ്പോർട്ടിംഗ്: പരീക്ഷണാത്മക നോട്ട്ബുക്ക്, ലേഖന ഡ്രാഫ്റ്റ്, സുരക്ഷാ ഫോം ഡ്രാഫ്റ്റ് എന്നിവ നിർമ്മിക്കുന്നു. അത് വളരെ ശക്തമാണ്; എന്നാൽ അക്കങ്ങൾ നിങ്ങളുടേതുമായി പൊരുത്തപ്പെടണം.

നുറുങ്ങ്: AI ഉപയോഗിക്കുന്നതിനുള്ള ഏറ്റവും സുരക്ഷിതമായ സ്ഥലം "എന്തെങ്കിലും തെറ്റ് സംഭവിച്ചാൽ അത് ശ്രദ്ധയിൽപ്പെട്ട് ഉടനടി പരിഹരിക്കപ്പെടും" മേഖലകളിലാണ്: ഡ്രാഫ്റ്റ് ടെക്സ്റ്റ്, കോഡ് അസ്ഥികൂടം, പദ വിവരണം. ഏറ്റവും അപകടകരമായ സ്ഥലങ്ങൾ "തെറ്റാണെങ്കിൽ, അത് നിശബ്ദമായി പടരുന്നു" മേഖലകളാണ്: സ്ഥിരാങ്കങ്ങൾ, റഫറൻസുകൾ, സുരക്ഷാ ഉറപ്പുകൾ, സംഖ്യാ ഫലങ്ങൾ.

എന്തുകൊണ്ടാണ് നമ്മൾ ജാഗ്രത പാലിക്കേണ്ടത്? മൂന്ന് ഘടനാപരമായ അപകടസാധ്യതകൾ

വലിയ ഭാഷാ മാതൃക ഒരു കാൽക്കുലേറ്ററോ കെമിസ്ട്രി എഞ്ചിനോ അല്ല. സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് "സാധ്യതയുള്ളതായി തോന്നുന്ന" വാചകം നിർമ്മിക്കുന്നു. ഇത് രസതന്ത്രത്തിൽ മൂന്ന് വ്യക്തമായ അപകടസാധ്യതകളിലേക്ക് നയിക്കുന്നു:

1. നിർമ്മിച്ചത് (ഭ്രമാത്മകത): ഒരു മാതൃകയല്ലാത്ത ഒരു സംയുക്തം, നിലവിലില്ലാത്ത ഒരു പ്രതികരണം അല്ലെങ്കിൽ തെറ്റായ തന്മാത്രാ ഭാരം എന്നിവ ആത്മവിശ്വാസത്തോടെ എഴുതാൻ കഴിയും. ഉദാഹരണത്തിന്, "X സംയുക്തത്തിൻ്റെ തന്മാത്രാ ഭാരം 154.2 g/mol ആണ്", ശരിയായ മൂല്യം 168.2 ആണ്.
2. വ്യാജ അവലംബം: "സ്മിത്ത് et al., 2019, ജേണൽ ഓഫ് ഓർഗാനിക് കെമിസ്ട്രി" പോലെ യാഥാർത്ഥ്യബോധമുള്ളതും എന്നാൽ നിലവിലില്ലാത്തതുമായ ഒരു ഉറവിടം നൽകാം. അയാൾക്ക് ഒരു DOI നമ്പർ ഉണ്ടാക്കാൻ പോലും കഴിയും.
3. സുരക്ഷാ വീഴ്ച: റിയാഗൻ്റുകളുടെ അപകടകരമായ സംയോജനം (ഉദാ. ഓക്സിഡൈസറും അനുചിതമായ അനുപാതത്തിലുള്ള ഓർഗാനിക് ലായകവും) "പ്രശ്നമില്ല" എന്ന് അവതരിപ്പിക്കാൻ കഴിയും.

ഈ മൂന്ന് അപകടസാധ്യതകൾ ഈ മൊഡ്യൂളിൻ്റെ ഓരോ യൂണിറ്റിലും വീണ്ടും വീണ്ടും ദൃശ്യമാകും. AI-യിൽ നിന്ന് രക്ഷപ്പെടുകയല്ല, മറിച്ച് ഒരു സ്വതന്ത്ര ഉറവിടം ഉപയോഗിച്ച് ഓരോ ഔട്ട്‌പുട്ടും പരിശോധിക്കുന്നതിനുള്ള അച്ചടക്കം സ്ഥാപിക്കുക എന്നതാണ് പരിഹാരം.

മിനി കേസുകൾ

കേസ് 1 - ഫിറ്റ് ചെയ്ത തന്മാത്രാ ഭാരം. ഒരു ബിരുദ വിദ്യാർത്ഥി AI-യോട് പാരാ-നൈട്രോഫെനോളിൻ്റെ തന്മാത്രാ ഭാരം ചോദിച്ചു. “139.11 g/mol,” AI പറഞ്ഞു. വിദ്യാർത്ഥിക്ക് ആത്മവിശ്വാസമുണ്ടായിരുന്നു, 0.05 മോളിന് 6.96 ഗ്രാം തൂക്കം നൽകാൻ പദ്ധതിയിട്ടിരുന്നു. എന്നിരുന്നാലും, പാരാ-നൈട്രോഫെനോളിൻ്റെ തന്മാത്രാ ഭാരം 139.11 ഗ്രാം/മോൾ ആണ്, ഇത്തവണ അത് ശരിയായിരുന്നു - എന്നാൽ വിദ്യാർത്ഥി ഒരിക്കലും പരിശോധിച്ചിരുന്നില്ല. അടുത്ത സംയുക്തത്തിൽ (പാരാ-അമിനോഫെനോൾ, യഥാർത്ഥ മൂല്യം 109.13 g/mol) YZ "123.15" എന്ന് പറഞ്ഞു; 6×12.011 + 7×1.008 + 14.007 + 2×15.999 = 109.13 എന്ന ഫോർമുലയിൽ (C6H7NO2) നിന്ന് കൈകൊണ്ട് കണക്കുകൂട്ടിയാണ് വിദ്യാർത്ഥി ഇത്തവണ പിടിച്ചത്. പാഠം: ഫോർമുല ഇല്ലാതെ ഓരോ തന്മാത്രാ ഭാരവും കണക്കാക്കുക.

കേസ് 2 - വ്യാജ DOI. ഒരു ഗവേഷകൻ തൻ്റെ സാഹിത്യ അവലോകനത്തിൽ AI-യോട് 5 ഉറവിടങ്ങൾ ചോദിച്ചു. അഞ്ചിൽ രണ്ടെണ്ണത്തിൻ്റെ DOI ക്ലിക്കുചെയ്തപ്പോൾ "കണ്ടെത്തിയില്ല" എന്ന് മടങ്ങി; തലക്കെട്ടുകൾ വസ്തുതാപരമായിരുന്നു, പക്ഷേ ലേഖനങ്ങൾ അങ്ങനെയായിരുന്നില്ല. 40 മിനിറ്റ് സമയം പാഴാക്കുക. പാഠം: ഡാറ്റാബേസിൽ (DOI, PubMed, Reaxys) പരിശോധിച്ചുറപ്പിക്കാതെ എല്ലാ ഉദ്ധരണികളും ഉപയോഗിക്കാൻ പാടില്ല.

കേസ് 3 - സുരക്ഷിതമെന്ന് തോന്നുന്ന അപകടം. ഒരു ക്ലീനിംഗ് നടപടിക്രമത്തെക്കുറിച്ച് ഒരു ഉപയോക്താവ് AI-യോട് ചോദിച്ചു; ഹൈപ്പോക്ലോറൈറ്റ് അടങ്ങിയ ലായനി ഒരു അസിഡിക് ലായനിയുമായി കലർത്തുന്നതിനുള്ള നിർദ്ദേശം AI പരോക്ഷമായി നിർമ്മിച്ചു - ക്ലോറിൻ വാതകം പുറത്തുവിടാൻ കഴിയുന്ന ഒരു സംയോജനം. ഭാഗ്യവശാൽ, ഉപയോക്താവ് സുരക്ഷാ ഡാറ്റ ഷീറ്റ് (SDS) നോക്കി നിർത്തി. പാഠം: എല്ലാ നടപടിക്രമങ്ങളും നടപ്പിലാക്കുന്നതിന് മുമ്പ് SDS-നും അപകടസാധ്യതയ്ക്കും വേണ്ടി മനുഷ്യ പരിശോധനയ്ക്ക് വിധേയമാണ്.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ തന്മാത്രയെ സമന്വയിപ്പിക്കുക.

ഈ അവകാശവാദം അവ്യക്തമാണ്: ഏത് തന്മാത്ര, ഏത് ആരംഭ സാമഗ്രികൾ, ഏത് സ്കെയിൽ, എന്ത് നിയന്ത്രണങ്ങൾ? AI വിടവുകൾ നികത്തുന്നു.

ശക്തമായ നിർദ്ദേശം:

റോൾ: നിങ്ങൾ ഓർഗാനിക് സിന്തസിസിൽ പരിചയസമ്പന്നനായ സഹായിയാണ്. ടാർഗെറ്റ് തന്മാത്ര: 4-മെത്തോക്സിസെറ്റോഫെനോൺ (പുഞ്ചിരി: COc1ccc(cc1)C(C)=O). പ്രാരംഭ മെറ്റീരിയലായി നമുക്ക് അനിസോൾ ഉണ്ട്. ടാസ്ക്: ഒരു 2-ഘട്ട റിട്രോസിന്തസിസ് നിർദ്ദേശം നൽകുക. ഓരോ ഘട്ടത്തിനും: റിയാഗൻ്റുകൾ, അവസ്ഥകൾ (താപനില, ലായകം), സാധ്യമായ പാർശ്വഫലങ്ങൾ. പരിമിതി: നിങ്ങൾക്ക് ഉറപ്പില്ലാത്തിടത്ത് "സ്ഥിരീകരിക്കുക" എന്ന് അടയാളപ്പെടുത്തുക, ഫിറ്റിംഗ്. ഔട്ട്‌പുട്ട്: അക്കമിട്ട ഘട്ടങ്ങൾ + പരിശോധിക്കേണ്ട പോയിൻ്റുകളുടെ ലിസ്റ്റ്.

വ്യത്യാസം: റോൾ, കൃത്യമായ ടാർഗെറ്റ് (സ്മൈലുകൾക്കൊപ്പം), സന്ദർഭം, ഘട്ടങ്ങളുടെ എണ്ണം, ഔട്ട്പുട്ട് ഫോർമാറ്റ്, "ഫിറ്റിംഗ്" പരിമിതി. രസതന്ത്രത്തിലെ നല്ല പ്രോംപ്റ്റിംഗിൻ്റെ അഞ്ച് ഘടകങ്ങൾ ഇവയാണ്: റോൾ, കൃത്യമായ ഘടന പ്രാതിനിധ്യം, സന്ദർഭം, ചുമതല, സ്ഥിരീകരണ നിയന്ത്രണങ്ങൾ.

AI ടൂളുകളുടെ തരങ്ങൾ: ഭാഷാ മാതൃകയോ രസതന്ത്ര ഉപകരണമോ?

രസതന്ത്രത്തിൽ നിങ്ങൾ രണ്ട് വ്യത്യസ്ത "AI" കണ്ടുമുട്ടുന്നു, അവ ആശയക്കുഴപ്പത്തിലാക്കാതിരിക്കേണ്ടത് പ്രധാനമാണ്:

തരം

എന്ത് ചെയ്യുന്നു

വിശ്വാസ്യത

ഉദാഹരണ ഉപയോഗം

പൊതു ഭാഷാ മാതൃക

ടെക്സ്റ്റ്/കോഡ് സൃഷ്ടിക്കുന്നു, വിശദീകരിക്കുന്നു, ഡ്രാഫ്റ്റുകൾ എഴുതുന്നു

അക്കങ്ങൾ കുറവാണ്, ഭാഷയിൽ ഉയർന്നത്

നടപടിക്രമ രൂപരേഖ, ടെർമിനോളജി വിശദീകരണം

കെമിസ്ട്രി ലൈബ്രറി (RDKit മുതലായവ)

തന്മാത്രയെ നിർണ്ണായകമായി പ്രോസസ്സ് ചെയ്യുന്നു, തന്മാത്രാ ഭാരം കണക്കാക്കുന്നു

ഉയർന്നത് (നിയമത്തെ അടിസ്ഥാനമാക്കിയുള്ളത്)

SMILES പരിശോധന, MA അക്കൗണ്ട്

ഇഷ്‌ടാനുസൃത പ്രവചന മോഡൽ (റെട്രോസിന്തസിസ്, ഫീച്ചർ)

ഡാറ്റ പരിശീലിപ്പിച്ച പ്രവചനം നൽകുന്നു

ഇടത്തരം, പ്രദേശം അനുസരിച്ച്

റിട്രോസിന്തസിസ്, സോളബിലിറ്റി എസ്റ്റിമേഷൻ

സാഹിത്യം/തിരയൽ ഉപകരണം

യഥാർത്ഥ ഡാറ്റാബേസ് അന്വേഷണങ്ങൾ

ഉറവിടത്തെ ആശ്രയിച്ച് ഉയർന്നത്

ആട്രിബ്യൂഷൻ സ്ഥിരീകരണം, പ്രതികരണ തിരയൽ

ഏറ്റവും ശക്തമായ വർക്ക്ഫ്ലോ ഇവയെ സംയോജിപ്പിക്കുന്നു: ഭാഷാ മോഡൽ ആശയം സൃഷ്ടിക്കുന്നു, കെമിസ്ട്രി ലൈബ്രറി സംഖ്യയെ നിർണ്ണായകമായി കണക്കാക്കുന്നു, സാഹിത്യ ഉപകരണം ആട്രിബ്യൂഷൻ പരിശോധിക്കുന്നു, മനുഷ്യൻ സാധൂകരിക്കുന്നു. അടുത്ത യൂണിറ്റുകളിൽ ഞങ്ങൾ ഈ ശൃംഖല സ്ഥാപിക്കും.

സ്ഥിരീകരണ അച്ചടക്കം: നാല് ഘട്ടങ്ങൾ

ലാബിലേക്കോ റിപ്പോർട്ടിലേക്കോ പ്രവേശിക്കുന്നതിന് മുമ്പ് ഈ നാല് ഘട്ടങ്ങളിലൂടെ ഓരോ AI ഔട്ട്‌പുട്ടും എടുക്കുക:

1. ഘടന: തന്മാത്ര/പ്രതികരണ നൊട്ടേഷൻ (SMILES/InChI) സാധുവാണോ? ഒരു ടൂൾ (RDKit) ഉപയോഗിച്ച് ഇത് പാഴ്‌സ് ചെയ്യാൻ കഴിയുമോ?
2. നമ്പർ: മോളിക്യുലാർ വെയ്റ്റ്, സ്റ്റോയ്ചിയോമെട്രി, വിളവ് കണക്കുകൂട്ടൽ എന്നിവ സ്വതന്ത്രമായി പരിശോധിച്ചിട്ടുണ്ടോ (കൈയോ ലൈബ്രറിയോ)?
3. ഉറവിടം: എല്ലാ ക്ലെയിമുകളും ആട്രിബ്യൂഷനുകളും ഒരു യഥാർത്ഥ ഡാറ്റാബേസിൽ പരിശോധിച്ചിട്ടുണ്ടോ?
4. സുരക്ഷ: നടപടിക്രമത്തിലെ ഓരോ റിയാഗൻ്റിനും SDS വായിച്ചിട്ടുണ്ടോ, എന്തെങ്കിലും അപകടകരമായ കോമ്പിനേഷനുകൾ ഉണ്ടോ?

ശ്രദ്ധിക്കുക: ഈ നാല് ഘട്ടങ്ങൾ "എല്ലായ്പ്പോഴും" ബാധകമാണ്, "ചിലപ്പോൾ" അല്ല. AI ശരിയാകുന്ന 20 സാഹചര്യങ്ങൾ തെറ്റാണെങ്കിൽ 1 സാഹചര്യം ക്ഷമിക്കരുത്; കാരണം രസതന്ത്രത്തിൽ ആ 1 സാഹചര്യം ഒരു സ്ഫോടനമോ വിഷബാധയോ അല്ലെങ്കിൽ പിൻവലിച്ച ലേഖനമോ ആകാം.

സാധാരണ തെറ്റുകൾ

• AI ഔട്ട്‌പുട്ട് ഒരു "വിഭവം" ആയി തെറ്റിദ്ധരിക്കുന്നു. AI ഒരു റിസോഴ്‌സല്ല, മറിച്ച് ഉറവിടങ്ങൾ ഓർമ്മിക്കാൻ ശ്രമിക്കുന്ന ഒരു ജനറേറ്ററാണ് (ചിലപ്പോൾ തെറ്റായി). ഇത് ഉറവിട ഡാറ്റാബേസാണ്.
• നമ്പർ വിശ്വസിക്കുന്നു. തന്മാത്രാ ഭാരം, pKa, തിളപ്പിക്കൽ പോയിൻ്റ് തുടങ്ങിയ സംഖ്യകൾ പരിശോധിക്കാതെ ഉപയോഗിക്കുന്നു. ഇവ നിർണ്ണായകമായി കണക്കാക്കാം/ തിരയാം; ഭാഷാ മാതൃക ചോദിക്കുന്നത് ഏറ്റവും ദുർബലമായ മാർഗമാണ്.
• AI-യ്ക്ക് ഔട്ട്‌സോഴ്‌സിംഗ് സുരക്ഷ. "ഇത് അപകടകരമാണെന്ന് AI പറഞ്ഞിട്ടില്ല" എന്നത് സുരക്ഷിതമാണെന്ന് അർത്ഥമാക്കുന്നില്ല. മനുഷ്യൻ്റെയും എസ്ഡിഎസിൻ്റെയും ജോലിയാണ് അപകട വിലയിരുത്തൽ.
• അവ്യക്തമായ പ്രോംപ്റ്റ്. തന്മാത്രയെ അതിൻ്റെ പേരിൽ നൽകാതെ, അതിൻ്റെ ഘടന പ്രകാരം (SMILES/InChI); പേരിൻ്റെ ആശയക്കുഴപ്പം കാരണം ഇത് തെറ്റായ തന്മാത്രകളിലേക്ക് നയിക്കുന്നു.
• ഒരു ശ്രമത്തിൽ മാത്രം വിശ്വസിക്കുന്നു. അതേ ചോദ്യം മറ്റൊരു രീതിയിൽ വീണ്ടും ചോദിക്കുകയും സ്ഥിരത പരിശോധിക്കാതിരിക്കുകയും ചെയ്യുന്നു.

ചുരുക്കത്തിൽ

• രസതന്ത്രത്തിലെ ഒരു ശക്തമായ ഡെസ്ക് അസിസ്റ്റൻ്റാണ് AI: ഇത് കോഡ്, ഔട്ട്ലൈനുകൾ, വിവരണങ്ങൾ, സ്കാൻ അസ്ഥികൂടങ്ങൾ എന്നിവ നിർമ്മിക്കുന്നു; എന്നാൽ ലാബ് അത് ചെയ്യുന്നില്ല, അതിൻ്റെ ഔട്ട്പുട്ട് പരിശോധിക്കുന്നില്ല.
• മൂന്ന് അന്തർലീനമായ അപകടസാധ്യതകളുണ്ട്: വ്യാജ സംയുക്തം/നമ്പർ, വ്യാജ ആട്രിബ്യൂഷൻ, സുരക്ഷാ വീഴ്ച.
• പൊതുവായ ഭാഷാ മോഡലും ഡിറ്റർമിനിസ്റ്റിക് കെമിസ്ട്രി ടൂളുകളും (RDKit, ഡാറ്റാബേസുകൾ) വേർതിരിച്ച് സംയോജിപ്പിക്കുക.
• ഘടന–നമ്പർ–ഉറവിടം–സുരക്ഷ എന്നീ നാലു ഘട്ടങ്ങളിലൂടെ ഓരോ ഔട്ട്‌പുട്ടും എടുക്കുക.
• നല്ല പ്രോംപ്റ്റ്: റോൾ, വ്യക്തമായ ഘടന പ്രാതിനിധ്യം, സന്ദർഭം, ചുമതല, മൂല്യനിർണ്ണയ പരിമിതി എന്നിവ ഉൾപ്പെടുന്നു.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങൾ സ്വയം പഠിച്ച ഒരു തന്മാത്ര തിരഞ്ഞെടുക്കുക (ഉദാ. ആസ്പിരിൻ, പുഞ്ചിരികൾ: CC(=O)Oc1cccc1C(=O)O). AI-യോട് മൂന്ന് കാര്യങ്ങൾ ചോദിക്കുക: (1) തന്മാത്രാ ഭാരം, (2) രണ്ട് റഫറൻസ് പേപ്പറുകൾ, (3) ഒരു സിന്തസിസ് ഘട്ടം. തുടർന്ന് ഓരോന്നും സ്വതന്ത്രമായി പരിശോധിക്കുക: ഫോർമുലയിൽ നിന്ന് തന്മാത്രാ ഭാരം സ്വമേധയാ കണക്കാക്കുക, DOI ഉപയോഗിച്ച് ഉദ്ധരണികൾ സ്ഥിരീകരിക്കുക, ഒരു സുരക്ഷാ കണ്ണ് ഉപയോഗിച്ച് സിന്തസിസ് ഘട്ടം പരിശോധിക്കുക. ഏത് ഔട്ട്‌പുട്ട് ശരിയായി വന്നു, ഏത് തിരുത്തൽ ആവശ്യമാണ്? ഒരു അര പേജ് "സ്ഥിരീകരണ ലോഗ്" സൂക്ഷിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• AI ഒരു രസതന്ത്രജ്ഞനല്ല, സഹായിയാണ് എന്ന് ഞാൻ മനസ്സിലാക്കി.
• [ ] കെട്ടിച്ചമയ്ക്കൽ, തെറ്റായ ആട്രിബ്യൂഷൻ, അവിശ്വാസം എന്നിവയുടെ അപകടസാധ്യതകൾ ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് ഞാൻ തിരിച്ചറിയുന്നു.
• [ ] എനിക്ക് ഭാഷാ മാതൃകയും നിർണ്ണായക രസതന്ത്ര ഉപകരണങ്ങളും തമ്മിൽ വേർതിരിച്ചറിയാൻ കഴിയും.
• [ ] ഓരോ ഔട്ട്‌പുട്ടിലും ഞാൻ ഘടന-നമ്പർ-ഉറവിടം-സുരക്ഷയുടെ നാല് ഘട്ടങ്ങൾ പ്രയോഗിക്കും.
• [ ] ഞാൻ തന്മാത്രകളെ സ്ട്രക്ചർ നൊട്ടേഷൻ പ്രകാരമാണ് വിവരിക്കുന്നത് (SMILES/InChI), പേരുകൊണ്ടല്ല.
• [ ] ഞാൻ ഒരു സ്ഥിരീകരണ ലോഗ് എങ്കിലും സൂക്ഷിച്ചിട്ടുണ്ട്.