複数のドイツの研究機関とスイスの企業により、化学構造解析の迅速化を実現する人工知能（AI）システム「SECS」が開発され、学術誌Nature Communicationsに掲載された。フリードリヒ・シラー大学ユーーナ、ヘルムホルツ・センター・ベルリン、ヘルムホルツ・ポリマーエネルギー研究所、およびZakodium Sárlの研究者陣が共同で進めたプロジェクトである。 従来の核磁気共鳴（NMR）分光法や質量分析法などによる化学構造の同定には、熟練専門家の経験と長時間を要し、不純物の混入や新規化合物の場合に解析が困難となる課題があった。SECSはこれらを解決するため、機械学習と進化型アルゴリズムを統合した。スペクトルデータと分子構造を共通の数学的表現に変換し、アルゴリズムが原子や結合の追加・削除を反復することで測定データへの適合度を最適化する。この設計により、実測サンプルに生じる不純物による信号の乱れにも頑健に処理可能となっている。 ベンチマーク試験において、SECSは複数の分光法テストセットで正解構造を上位ランク付けする成功率が80％を超え、化学専門家の推論水準と同等の精度を記録した。開発チームは同システムを専門家の代替ではなく「検証支援ツール」と位置づけており、高適合スコアは構造解釈の信頼性を裏付け、大幅に外れた提案は再検討の指標として機能する。 本システムのソースコードとモデルデータは一般公開されている。現在のWeb版は一次元プロトンNMR生データの直接解析に最適化されており、今後はいくつかのスペクトル種や複雑なデータセットへの拡張を予定している。本技術の導入により、有機合成や創薬材料開発における構造検証のサイクルは大幅に短縮され、研究開発の生産性向上に寄与すると期待されている。