OpenAI AI 化学家：使用 GPT-5.4 改进 Chan-Lam 耦合反应
OpenAI AI 化学家：使用 GPT-5.4 改进 Chan-Lam 耦合反应
TL;DR
OpenAI 与 Molecule.one 开发了一套近自主的 AI 化学系统，成功改进了药物化学中一项具有挑战性的反应。通过将 GPT-5.4 与 Maria AI 代理以及高通量实验室相结合，该系统发现使用诸如 TEMPO 之类的温和氧化剂，在将一元磺酰胺与硼酸耦合时，可显著提升碳-氮键的产率。
改进 Chan-Lam 耦合反应
该系统显著提升了一元磺酰胺 Chan-Lam 耦合的产率，这一反应对于在用于肿瘤学和传染病的药物中形成碳-氮键至关重要。历史上，这类特定反应的产率一直偏低，导致药物发现的瓶颈，因为科学家只能测试他们能够合成的分子。
- 平均产率提升：平均产率从 16.6% 上升至 25.2%。
- 成功率：产率超过 30% 的反应比例从 15.6% 提升至 37.5%。
- 底物改进：在测试的硼酸中有 88% 的产率得到提升，磺酰胺中有 83% 的产率提升。
这些结果已由人工化学家在台式实验规模上验证，其中 14 对代表性底物中有 11 对显示出更高的产率，大多数实现了超过两倍的提升。
技术架构：GPT-5.4 与 Maria AI
该研究采用了“近自主”工作流，结合前沿模型、代理式 AI 与实体实验室基础设施。流程如下：
- 提案生成：在一个框架中使用 GPT-5.4 生成并排序数千个研究提案，目标是改进反应类别。
- 人工筛选：人工化学家审阅排名最高的提案，并挑选出四个进行测试。
- 执行：Maria AI 将高层计划转化为详细的实验室指令，并在 Maria 实验室中执行数千次高通量实验。
- 分析与迭代：Maria AI 分析原始数据并将结构化结果返回给 GPT-5.4，后者随后提出后续实验以细化假设。
在提案 OAI-M1-03 的具体案例中，系统将一元磺酰胺识别为高价值目标，并建议使用 TEMPO 作为温和氧化剂。随后的一次迭代发现，使用更便宜的类似物 4-羟基-TEMPO 也能在性能上几乎没有损失。
实验规模
Maria 实验室为 OAI-M1-03 提案执行了 10,080 次反应。这一数据量相当于一名每天进行三次反应的化学家十年的工作量，使系统能够在十种测试的氧化剂中识别出 TEMPO，并确保结果在多种分子组合中保持一致，降低了小规模筛选中常见的伪影风险。
局限性与人工监督
OpenAI 强调该系统并非完全自主。人工化学家仍然是必不可少的，具体包括：
- 指导与判断：设计提示并选择要测试的提案。
- 实验校正：进行关键调整，例如去除二甲基亚砜 (DMSO) 作为溶剂，以防止与强氧化剂发生反应。
- 物理支持：准备试剂和耗材，并进行手动台式验证。
此外，这些结果尚未证明该方法能够推广到其他耦合反应或生产条件，且反应机理仍需进一步表征。
安全与准备
为降低化学 AI 相关风险，项目严格限定在合法的药物化学问题上。工作流包含多层控制：
- 领域限制：实验聚焦于已知的药物类分子耦合反应，未涉及毒素或化学武器。
- 模型防护：该模型已通过英国 AI 安全研究所的评估，并设计为拒绝有害请求。
- 人工把关：人工化学家对物理基础设施和实验计划的选择拥有完全控制权。
SUMMARY: OpenAI 与 Molecule.one 使用 GPT-5.4 和 Maria AI 代理，自动识别并验证了一种利用 TEMPO 提高一元磺酰胺 Chan-Lam 耦合反应产率的方法。
TITLE: OpenAI AI 化学家：使用 GPT-5.4 改进 Chan-Lam 耦合反应