化學領(lǐng)域大模型 ChemGPT 1.0 正式發(fā)布

　　研發(fā)團隊負責人何曉介紹，ChemGPT 1.0是一個集成了先進人工智能技術(shù)的化學合成工具。在上海市教委的大力支持下，華東師大于2021年成立了分子智造上海市前沿科學研究基地，由化學與分子工程學院和計算機科學與技術(shù)學院組建了聯(lián)合研發(fā)團隊，開展了AI4ChemicalScience探索，致力于人工智能驅(qū)動的化學研究，將機器學習技術(shù)與化學合成相結(jié)合，以提高合成的效率和精度。兩年來，研究團隊通過深入研究化學性質(zhì)數(shù)據(jù)庫、創(chuàng)新性引入物理描述符以及全新泛函CF22D的開發(fā)，成功構(gòu)建了ChemGPT 1.0，為人工智能時代的分子智造提供了新工具。

研究團隊負責人何曉介紹ChemGPT 1.0

　　何曉介紹，ChemGPT 1.0具有三大亮點：第一，高質(zhì)量化學對話數(shù)據(jù)集的構(gòu)建。ChemGPT 1.0整合了超過39萬條高質(zhì)量對話數(shù)據(jù)，包括734種化學性質(zhì)問答類數(shù)據(jù)、11679種科學類（含化學）問答類數(shù)據(jù)和658種化學類問答類數(shù)據(jù)以及超過一萬條百科詞條，轉(zhuǎn)化成了超過207萬條問題數(shù)據(jù)集。基于對化學領(lǐng)域?qū)I(yè)知識的廣泛收集和深入理解，構(gòu)建的數(shù)據(jù)集為全面、準確地完成化學知識問答提供了強大支撐。第二，化合物逆合成數(shù)據(jù)庫的創(chuàng)建。針對化合物逆合成的難題，團隊通過數(shù)據(jù)拼接、疊加、加權(quán)和合成方式篩選，構(gòu)建了一個全新的逆合成數(shù)據(jù)庫。該數(shù)據(jù)庫規(guī)模宏大，提高了模型的魯棒性和反應性，且具有高質(zhì)量的標注數(shù)據(jù)，提升了模型的準確性和可靠性。通過更好的數(shù)據(jù)平衡，顯著提高了模型對各類反應的預測能力。在 USPTO-50K測試任務中，經(jīng)過新數(shù)據(jù)集訓練的大模型ChemGPT達到了74.4%預測精度，位列第一。第三，對話模型和逆合成模型的創(chuàng)新改進。ChemGPT 1.0的對話模型和逆合成模型分別基于ChatGLM模型和LLaMA模型。通過全量微調(diào)以及在A800 GPU集群上兩個月的訓練，性能顯著提升。此外，通過多模型多模塊融合技術(shù)的實施，使得ChemGPT 1.0無需安裝任何插件，就能支持化學專業(yè)知識、化學逆合成、生物醫(yī)藥以及通用領(lǐng)域的知識問答。此外，ChemGPT 1.0還支持自動上網(wǎng)查資料，幫助模型返回高質(zhì)量的實時回答并具備繪畫功能。

ChemGPT 1.0發(fā)布會現(xiàn)場

　　在此基礎(chǔ)上，研發(fā)團隊成功完成了自動化學合成反應技術(shù)體系的整體構(gòu)建和框架設計。結(jié)合超限制造成果，以微流控芯片為基礎(chǔ)的化學合成節(jié)省了80%的實驗時間。由AI化學家—“小華”驅(qū)動的微縮合成工廠，實現(xiàn)了化合物的自動化合成，為化學合成領(lǐng)域帶來了革命性的變化，展示了人工智能在生物醫(yī)藥領(lǐng)域的巨大潛力。

　　ChemGPT 1.0是華東師大在AI4Science領(lǐng)域的又一重要成果，研發(fā)團隊將在此基礎(chǔ)上，進一步優(yōu)化提升拓展功能，助推上海人工智能和生物醫(yī)藥重點領(lǐng)域加速向全球創(chuàng)新鏈、產(chǎn)業(yè)鏈、價值鏈的高端邁進。