Mit seiner Reihe glänzender Kammern, die durch verschnörkelte Schläuche verbunden sind, ähnelt die KI-gestützte Anlage eher einer futuristischen Brauerei als einem Chemielabor.

Doch wenn es von seinem menschlichen Bediener die Aufforderung erhält, „Aspirin herzustellen“, springt das System in Aktion wie ein gut eingespieltes Team von Chemikern. Eine KI übernimmt den Befehl und durchsucht das Internet, um ein „Rezept“ für das Medikament zu optimieren. Eine weitere KI übersetzt die Ergebnisse in Code und eine dritte steuert Roboterarme, um das Experiment durchzuführen.

Das System, namens Coscientist ist der neueste Versuch, die Chemie mit großen Sprachmodellen zu automatisieren. Die Art von Algorithmus hinter dem beliebten chatgpt, große Sprachmodelle, haben die Welt mit ihrer Fähigkeit, Sprach-, Audio- und Bildeingaben zu verstehen und gleichzeitig nützliche – wenn auch nicht immer genaue – Antworten zu liefern, im Sturm erobert.

KI sorgt im Labor bereits für Furore. Von der Modellierung von Proteinstrukturen – der Lösung eines seit einem halben Jahrzehnt bestehenden Rätsels – über die Suche nach Mustern in genetischen Daten bis hin zur „Halluzinierung“ neuer chemischer Medikamente wie Antibiotika – die Technologie reicht aus bereit, die Wissenschaft zu verändern.

Coscientist ist einer der ersten seiner Art. Es wurde von Dr. Gabe Gomes und Kollegen an der Carnegie Mellon University entwickelt und lernt selbstständig Rezepte für chemische Reaktionen und entwirft Laborverfahren, um diese in nur wenigen Minuten durchzuführen.

Als Machbarkeitsnachweis führte das End-to-End-System eine komplexe chemische Reaktion durch das hat gewonnen der Nobelpreis für Chemie 2010 für seine entscheidende Rolle bei der Arzneimittelentwicklung.

„Dies ist das erste Mal, dass eine nicht-organische Intelligenz diese komplexe, von Menschen erfundene Reaktion geplant, entworfen und ausgeführt hat.“ sagte Gomes.

Eine Besonderheit des Systems ist seine Modularität. Durch die Aufteilung der Chemieaufgaben verhält sich Coscientist wie ein Team von Chemikern, die zusammenarbeiten, um eine Lösung zu finden, wodurch der gesamte Prozess der Arzneimittelentwicklung beschleunigt wird.

Coscientist bringt „die Vision selbstfahrender Labore der Realität einen Schritt näher“ schrieb Ana Laura Dias und Dr. Tiago Rodrigues von der Universität Lissabon, die nicht an der Arbeit beteiligt waren.

Wandlung zum Bösen

Chemie ist so etwas wie die Perfektionierung eines Rezepts.

Es beginnt mit einem Ziel: Eine Chemikalie mit möglichst wenig Abfall herzustellen. So wie Köche im Internet nach Rezeptideen suchen, stöbern Chemiker in veröffentlichter Literatur und entwerfen ein Protokoll.

Es ist ein langwieriger Prozess. Angesichts der Herausforderung, eine neue Chemikalie zu synthetisieren, verbringen Chemiker Stunden damit, Datenbanken mit ähnlichen Molekülen und Reaktionen zu durchsuchen. Sie benötigen mehrere Forschungs-, Experimentier- und Überarbeitungsrunden, bevor sie das gewünschte Molekül mit minimalem Abfall erhalten.

„Chemiker strebten daher schon lange danach, automatisierte Systeme zu entwickeln, um ihre Arbeit zu erleichtern“, schrieben Dias und Rodrigues.

Ein wichtiger Schritt besteht darin, verschiedene Arten von Chemikalien in exakten Mengen und zum perfekten Zeitpunkt in mehrere „Kammern“ zu injizieren, damit separate Reaktionen stattfinden können. Normalerweise geschieht dies von Hand, doch mittlerweile können erschwingliche Roboter problemlos so programmiert werden, dass sie neue chemische Wechselwirkungen herstellen. Sie sind jedoch nicht perfekt. Die meisten können nur eine Reaktion ausführen.

„Diese Einschränkungen haben den Traum autonomer Roboterchemiker zunichte gemacht“, schrieben Dias und Rodrigues.

Hier kommt GPT-4 von OpenAI ins Spiel, der Algorithmus hinter ChatGPT.

Hallo, Chemiewelt

Vergleich einer Reihe großer Sprachmodelle wie GPT-4, ClaudeUnd FalkeDas Team stellte fest, dass Coscientist detaillierte „Rezepte“ für die Herstellung der Chemikalien mit hohen Ausbeuten erstellen konnte. Die neue Studie ist ein dreistufiger Prozess, bei dem mehrere fein abgestimmte Instanzen von GPT-4 in einem automatisierten Chemiker zusammengeführt werden.

Der erste ist der KI-Bibliothekar, der aus einer Vielzahl von Online-Quellen lernt. Als das Team seine Präferenzen verfolgte, stellte es fest, dass die KI die meiste Zeit damit verbrachte, Literatur aus führenden Fachzeitschriften für Chemie zu lesen. Diese Erkenntnis ist wertvoll. Große Sprachmodelle werden oft als „Black Box“ bezeichnet und erklären nicht immer, wie sie ihre Ergebnisse berechnen. Ein Co-Wissenschaftler hingegen legt seine Argumentation so dar, wie ein Chemiker Notizen in ein Laborbuch schreibt, sodass seine Arbeit leichter zu reproduzieren ist.

Die zweite KI in Coscientist „liest“ Benutzerhandbücher für Roboterarme, die chemische Reaktanten abgeben – ähnlich wie beim Lesen einer Broschüre über die Bedienung eines neuen Rasenmähers verbraucht die KI das Wissen, um dessen Anweisungen zu „verstehen“.

Schließlich bedient die dritte KI einen Roboterarm, um Chemikalien zu synthetisieren. Es verfügt außerdem über einen integrierten „Professormodus“, der analysiert, welche Reaktionen funktionieren – und welche nicht –, um sie zur weiteren Feinabstimmung an das System zurückzugeben.

Eine Nobel-Leistung

In einem ersten Test fungierte Coscientist als eine Art Barkeeper.

Beladen mit mehreren farbigen Flüssigkeiten steuerte die KI den Roboterarm, um jede Farbe sorgfältig in eine Linie innerhalb eines 96-Well-Gitters zu sprühen. Das ist, als würde man versuchen, mehrfarbige Eiswürfel in einer Eiswürfelschale herzustellen, ohne etwas zu verschütten. Meistens hat es funktioniert. Mit einem einfachen Befehl „Zeichne eine blaue Diagonale“ konnte Coscientist den Anweisungen folgen (mit etwas menschlicher Hilfe).

Um den Schwierigkeitsgrad zu steigern, forderte das Team das System als Nächstes dazu auf, sieben Blockbuster-Medikamente zu synthetisieren, darunter gängige Schmerzmittel wie Aspirin, Paracetamol – der Wirkstoff in Tylenol – und Ibuprofen.

Coscientist berechnete, wie viel von jeder Zutat für jeden Roboterarm benötigt wurde, und mischte sie mit optimaler Geschwindigkeit. Die KI hatte beim ersten Mal Probleme, aber mit etwas Übung lernte sie, wann die Roboterarme überhitzt waren oder Chemikalien überkochten. Schließlich fand die KI wie ein erfahrener Koch ein perfektes Rezept für das gewünschte Produkt.

Das Team bat Coscientist außerdem, eine Reihe chemischer Reaktionen zu optimieren, um die Ausbeute zu steigern – eine notorisch schwierige chemische Herausforderung. Mit nur 10 Beispielen schnitt das System besser ab als eine etablierte Methode des maschinellen Lernens. Coscientist hatte Probleme, als seine GPT-Komponenten nicht genügend Beispiele enthielten, aber es lernte schnell. Nach jeder Iteration erwarb es „Wissen“ und passte seine Strategie zur Planung des nächsten Schritts im Laufe der Zeit an.

Im Moment ist Coscientist ein bisschen wie ein neuer Chemiestudent. Es kann aktuelle Publikationen lesen und analysieren, Ideen generieren und diese testen. Aber es spuckt manchmal auch Unsinn aus, ein Nachteil, der den meisten großen Sprachmodellen zu schaffen macht. Daher ist es für Chemiker notwendig, ihre Intuition zu nutzen und die Ergebnisse zu überprüfen. Auch reale chemische Probleme sind weitaus komplexer als die in der Studie behandelten, insbesondere im Bereich der Biologie.

Bei weiterer Entwicklung stellt sich das Team Coscientist als Helfer vor. Es kann schnell eine Reihe chemischer Rezepte testen und Chemiker können gut schlafen, während das Robotersystem arbeitet.

„Wir können etwas haben, das autonom läuft und versucht, neue Phänomene, neue Reaktionen, neue Ideen zu entdecken“, sagte Gomes.

Bildquelle: Louis Reed / Unsplash