Cheng Yang Jiaxuan Lu Haiyuan Wan Junchi Yu Feiwei Qin

要約

化学反応の条件推薦とは、化学反応に適切な反応条件パラメータを選定するプロセスであり、化学科学の加速において極めて重要な役割を果たす。近年、大規模言語モデル（LLM）の急速な発展に伴い、これらのモデルが持つ推論および計画能力を活用して反応条件の推薦を行うことへの関心が高まっている。しかし、既存の手法は、推奨される反応条件の背後にある根拠を十分に説明できず、高リスクな科学的プロセスにおける実用性に限界がある。本研究では、条件予測を証拠に基づく推論タスクとして再定式化するマルチエージェントシステム「ChemMAS」を提案する。ChemMASは、反応機構に基づく根拠の構築、複数チャネルからの記憶想起、制約を考慮したエージェント間の議論、および根拠の統合という4段階のプロセスを経てタスクを分解する。各判断は、化学知識と事例の参照に基づく解釈可能な根拠によって裏付けられている。実験の結果、ChemMASはドメイン特化型のベースラインに対して20〜35％の性能向上を達成し、汎用的大規模言語モデルと比較してトップ1の精度で10〜15％の優位性を示した。さらに、検証可能な、人間が信頼できる根拠を提供する点で、科学的発見における説明可能なAIの新たなパラダイムを確立した。