瑞士洛桑联邦理工学院（EPFL）菲利普·施瓦勒领导的团队开发了一种名为 Synthegy 的新型人工智能系统，旨在利用大语言模型辅助化学家设计分子。传统化学合成面临两大挑战：一是逆合成分析，即从目标分子反向推导反应路径，这需要大量战略决策；二是反应机理研究，需理解电子运动以预测新反应。现有计算工具虽能探索海量路径，但常缺乏人类专家的战略直觉。 Synthegy 的创新在于将大语言模型作为推理引擎，而非直接生成化学结构。该系统结合传统搜索算法与自然语言处理能力，让化学家能用日常语言提出复杂策略，如要求早期形成特定环状结构或避免不必要的保护基团。系统随后评估计算生成的多条路径，根据其是否符合用户目标进行打分并解释原因，从而帮助研究人员快速筛选最优方案。在反应机理方面，Synthegy 同样能分解电子移动步骤，结合反应条件等文本信息，引导搜索朝向化学上合理的方向。 在一项双盲专家研究中，36 名化学家对 368 个评估案例进行了评判，结果显示系统评估结果与专家意见的平均吻合度高达 71.2%。Synthegy 不仅能识别冗余步骤、评估反应可行性，还能优先选择高效路径。该研究证明，大语言模型在解析官能团、评估单一反应及整个合成路线方面具有显著能力。通过统一自然语言接口，Synthegy 有效连接了合成规划与反应机理，有望加速药物发现进程，提升反应设计效率，并使复杂的计算工具更易被科研人员掌握。