Naukowcy z MIT zbudowali generatywny model AI, który przewiduje przebieg reakcji chemicznych bez naruszania zasad fizyki. FlowER – bo tak się nazywa – nie tylko trafnie typuje produkty końcowe, ale śledzi każdy atom i każdy elektron w całym procesie. Zero znikających cząstek, zero cudów – tylko mechanizmy zakorzenione w rzeczywistej chemii. Kod i dane są dostępne publicznie. To dopiero początek, ale już teraz może zmienić sposób, w jaki planujemy i odkrywamy reakcje.
W skrócie
- Atom po atomie, elektron po elektronie – FlowER korzysta z klasycznego modelu elektronowego, by śledzić cały przebieg reakcji bez łamania praw fizyki.
- Nie „czaruje” jak inne modele – W odróżnieniu od LLM‑ów, nie dodaje ani nie usuwa atomów, a masa i ładunek się zgadzają.
- Trening na skali patentowej – Model oparto na ponad milionie reakcji z bazy amerykańskiego Urzędu Patentowego.
- Kod i dane na GitHubie – Projekt jest w pełni open source, wraz z unikalnym zbiorem reakcji mechanistycznych.
- Narzędzie, nie tylko eksperyment – Już teraz FlowER przewyższa inne modele pod względem trafności i spójności chemicznej.
Zero magii. Sama chemia.
FlowER (czyli: Flow matching for Electron Redistribution) to odpowiedź na niedosyt precyzji w modelach predykcyjnych AI. Większość dotychczasowych systemów „zgadywała” wyniki reakcji – patrzyła tylko na wejście i wyjście, pomijając cały środek. Tu jest inaczej. FlowER wykorzystuje system macierzy wiązań-elektronów, zaprojektowany jeszcze w latach 70. przez Ivara Ugiego. Każde wiązanie, każda para elektronowa ma tu swoje miejsce i wartość w tabeli. Zero to brak. Jeden – związek. Dzięki temu model nie może przypadkiem „stworzyć” nowych atomów. I nie gubi ich po drodze.
Dowód na to, że się da
„To jeszcze nie gotowy produkt. Ale działa” – podsumowuje prof. Connor Coley z MIT. Model powstał jako proof of concept, ale już teraz radzi sobie lepiej niż większość dostępnych rozwiązań. Uczył się na milionie reakcji, ale jego domena nie obejmuje jeszcze reakcji z udziałem metali czy złożonych cykli katalitycznych. To właśnie będzie kolejny krok – poszerzenie zakresu chemii, jaką rozumie FlowER. Ale nawet dziś model robi to, czego nie robiły wcześniejsze: przewiduje nie tylko co powstanie, ale też jak do tego dochodzi.
Otwarte dane, realna skala
Cały projekt jest publiczny, zarówno kod, dane, jak i model. Na GitHubie znajdziemy również wcześniejszy zbiór reakcji, który zawiera wszystkie znane kroki mechanistyczne. „Chcemy, by korzystali z tego inni”, podkreśla Mun Hong Fong, współautor i były inżynier oprogramowania. I nie chodzi tu o PR. Widać wyraźnie: MIT traktuje ten projekt jako fundament pod coś większego. Prawdziwą, chemiczną AI, która działa na zasadach fizyki, a nie statystycznej zgadywanki.
Nie tylko dla chemików
Zastosowania? Medycyna, nowe materiały, spalanie, chemia atmosferyczna, baterie. Wszędzie tam, gdzie ważne są mechanizmy, a nie tylko wyniki. FlowER już teraz potrafi uogólniać na nieznane typy reakcji, a to dopiero wersja wstępna. MIT nie ogłasza końca chemii eksperymentalnej, ale robi coś może ważniejszego: pokazuje, że AI może wreszcie zacząć grać według tych samych reguł, co rzeczywistość.