Modelos de Lenguaje Grande como Motores de Diseño Molecular

El diseño de pequeñas moléculas es crucial para aplicaciones tecnológicas que van desde el descubrimiento de fármacos hasta el almacenamiento de energía. Debido al vasto espacio de diseño disponible para la química sintética moderna, la comunidad ha buscado cada vez más utilizar enfoques basados en datos y aprendizaje automático para navegar por este espacio. Aunque los métodos de aprendizaje automático generativo han mostrado recientemente un potencial para el diseño molecular computacional, su uso se ve obstaculizado por procedimientos de entrenamiento complejos, y a menudo no logran generar moléculas válidas y únicas. En este contexto, los Modelos de Lenguaje Grande (LLMs) preentrenados han surgido como herramientas potenciales para el diseño molecular, ya que parecen ser capaces de crear y modificar moléculas basadas en instrucciones simples proporcionadas a través de indicaciones en lenguaje natural. En este trabajo, mostramos que el LLM Claude 3 Opus puede leer, escribir y modificar moléculas de acuerdo con las indicaciones, obteniendo un impresionante 97% de moléculas válidas y únicas. Al cuantificar estas modificaciones en un espacio latente de baja dimensión, evaluamos sistemáticamente el comportamiento del modelo bajo diferentes condiciones de indicación. Notablemente, el modelo es capaz de realizar generación molecular guiada cuando se le pide manipular la estructura electrónica de las moléculas utilizando indicaciones simples en lenguaje natural. Nuestros hallazgos destacan el potencial de los LLMs como motores de diseño molecular potentes y versátiles.