Cheng Yang Jiaxuan Lu Haiyuan Wan Junchi Yu Feiwei Qin

摘要

化学反应条件推荐旨在为化学反应选择合适的反应条件参数，这对加速化学科学发展具有关键意义。随着大规模语言模型（LLMs）的快速发展，利用其推理与规划能力进行反应条件推荐日益受到关注。然而，现有方法大多缺乏对推荐条件背后逻辑的解释，限制了其在高风险科学工作流中的应用价值。本文提出ChemMAS，一种多智能体系统，将反应条件预测重构为基于证据的推理任务。ChemMAS将该任务分解为机理基础构建、多通道信息召回、约束感知的智能体辩论以及推理依据聚合四个阶段。系统中的每一项决策均基于可解释的、植根于化学知识与已检索先例的推理依据。实验结果表明，ChemMAS在特定领域基线方法上实现了20%至35%的性能提升，并在Top-1准确率上比通用大语言模型高出10%至15%。同时，该方法提供了可验证、可被人类信任的推理过程，为科学发现中的可解释人工智能树立了新范式。