प्रमुख भाषा मॉडल्स को आण्विक डिज़ाइन इंजन के रूप में

छोटी अणुओं का डिज़ाइन तकनीकी अनुप्रयोगों के लिए महत्वपूर्ण है, जो दवा खोज से लेकर ऊर्जा भंडारण तक फैला हुआ है। आधुनिक संश्लेषण रसायन विज्ञान के लिए उपलब्ध विशाल डिज़ाइन स्पेस के कारण, समुदाय ने डेटा-चालित और मशीन लर्निंग दृष्टिकोणों का उपयोग करने की कोशिश की है ताकि इस स्पेस में नेविगेट किया जा सके। हालाँकि उत्पत्ति मशीन लर्निंग विधियों ने हाल ही में संगणकीय आण्विक डिज़ाइन के लिए संभावनाएँ दिखाई हैं, लेकिन उनके उपयोग में जटिल प्रशिक्षण प्रक्रियाएँ बाधा डालती हैं, और वे अक्सर मान्य और अद्वितीय अणु उत्पन्न करने में असफल होती हैं। इस संदर्भ में, पूर्व-प्रशिक्षित बड़े भाषा मॉडल (LLMs) आण्विक डिज़ाइन के लिए संभावित उपकरण के रूप में उभरे हैं, क्योंकि वे सरल निर्देशों के आधार पर अणुओं को बनाने और संशोधित करने में सक्षम प्रतीत होते हैं जो प्राकृतिक भाषा के प्रॉम्प्ट के माध्यम से प्रदान किए जाते हैं। इस कार्य में, हम दिखाते हैं कि क्लॉड 3 ओपस LLM निश्चित प्रॉम्प्ट्स के अनुसार अणुओं को पढ़, लिख और संशोधित कर सकता है, जिसमें 97% मान्य और अद्वितीय अणुओं का प्रभावशाली स्तर है। इन संशोधनों को निम्न-आयामी लेटेंट स्पेस में मापकर, हम विभिन्न प्रॉम्प्टिंग स्थितियों के तहत मॉडल के व्यवहार का प्रणालीबद्ध मूल्यांकन करते हैं। विशेष रूप से, जब अणुओं की इलेक्ट्रॉनिक संरचना को सरल, प्राकृतिक-भाषा प्रॉम्प्ट का उपयोग करके हेरफेर करने के लिए कहा जाता है, तो मॉडल मार्गदर्शित आण्विक निर्माण करने में सक्षम होता है। हमारे निष्कर्ष LLMs की शक्तिशाली और बहुपरकारी आण्विक डिज़ाइन इंजनों के रूप में संभावनाओं को उजागर करते हैं।