OpenAI AI 化學家：使用 GPT-5.4 改善 Chan‑Lam 耦合反應
OpenAI AI 化學家：使用 GPT-5.4 改善 Chan-Lam 耦合反應
TL;DR
OpenAI 與 Molecule.one 開發了一套近自主的 AI 化學系統，成功提升了醫藥化學中一項具挑戰性的反應。透過將 GPT-5.4 與 Maria AI 代理人以及高通量實驗室結合，系統發現使用像 TEMPO 這樣的溫和氧化劑，能顯著提升一次性磺酰胺與硼酸耦合時碳‑氮鍵的產率。
改善 Chan‑Lam 耦合反應
此系統在一次性磺酰胺 Chan‑Lam 耦合的產率上取得顯著提升，該反應對於製備用於腫瘤與傳染病藥物的碳‑氮鍵至關重要。過去此類反應常因產率低而成為藥物發現的瓶頸，因為科學家只能測試他們能合成的分子。
在最佳化條件下的關鍵性能提升包括：
- Mean Yield Increase：平均產率從 16.6% 提升至 25.2%。
- Success Rate：產率超過 30% 的反應比例從 15.6% 增至 37.5%。
- Substrate Improvement：測試的硼酸中有 88% 的產率提升，磺酰胺中有 83% 的產率提升。
這些結果已由人工化學家在實驗台規模上驗證，14 對具代表性的底物組合中有 11 對顯示出更高的產率，且大多數提升超過兩倍。
技術架構：GPT-5.4 與 Maria AI
本研究採用了結合前沿模型、代理式 AI 與實體實驗室基礎設施的「近自主」工作流程。流程如下：
- Proposal Generation：在一個框架內使用 GPT-5.4 產生並排序數千個研究提案，目標是改善各類反應。
- Human Selection：人工化學家審閱排名最高的提案，挑選四個進行測試。
- Execution：Maria AI 將高層計畫轉換為詳細的實驗室指令，並在 Maria Lab 執行數千次高通量實驗。
- Analysis and Iteration：Maria AI 分析原始資料，將結構化結果回傳給 GPT-5.4，後者再提出後續實驗以精煉假說。
在提案 OAI-M1-03 的具體案例中，系統將一次性磺酰胺定位為高價值目標，並建議使用 TEMPO 作為溫和氧化劑。隨後的迭代發現較便宜的類似物 4‑hydroxy‑TEMPO 亦可使用，且性能損失甚微。
實驗規模
Maria Lab 為 OAI‑M1‑03 提案執行了 10,080 場反應。這樣的資料量相當於一位每天執行三次反應的化學家十年的工作量，使系統能在十種測試氧化劑中辨識出 TEMPO，並確保結果在多樣分子組合下保持一致，降低了小規模篩選常見的假象風險。
限制與人工監督
OpenAI 強調此系統並非完全自主。人工化學家仍然是關鍵，負責：
- Steering and Judgment：設計提示並選擇要測試的提案。
- Experimental Correction：進行關鍵調整，例如移除二甲基亞硫醯胺 (DMSO) 作為溶劑，以防止與強氧化劑發生反應。
- Physical Support：準備試劑與耗材，並執行手動的台面驗證。
此外，結果尚未證明此方法能普遍應用於其他耦合反應或製造條件，且反應機制仍需進一步表徵。
安全與準備
為降低化學 AI 相關風險，專案嚴格限定於合法的醫藥化學問題。工作流程包含多層控制：
- Domain Restriction：實驗聚焦於已知的藥物分子耦合反應，未涉及毒素或化學武器。
- Model Safeguards：模型已接受英國 AI 安全研究所的評估，並設計為拒絕有害請求。
- Human Gatekeeping：人工化學家全權掌控實體基礎設施與實驗計畫的選擇。
Summary
OpenAI 與 Molecule.one 使用 GPT-5.4 與 Maria AI 代理人，自主發現並驗證了一種利用 TEMPO 改善一次性磺酰胺 Chan‑Lam 耦合產率的方法。
Title
OpenAI AI 化學家：使用 GPT-5.4 改善 Chan‑Lam 耦合反應