Organik kimya ve ilaç geliştirmenin temel süreçlerinden biri olan retrosintez, karmaşık hedef moleküllerin daha basit öncü bileşiklere ayrıştırılması işlemidir. Bu süreç, kimyagerlerin istenen molekülleri sentezlemek için hangi reaksiyonları kullanacaklarını planlamalarına yardımcı olur.
Son yıllarda makine öğrenmesi teknikleri bu alanda önemli ilerlemeler kaydetse de, mevcut çözümler genellikle tek adımlık reaksiyon tahminleriyle sınırlı kalmıştır. Olasılık uzayının oldukça geniş olması nedeniyle, çok adımlı sentez yollarının planlanması zorlu bir problem olmaya devam etmektedir.
Yeni araştırmada, büyük dil modellerinin kimyasal bilgi konusunda gösterdiği olağanüstü yeteneklerden yola çıkarak, bu modellerin karmaşık kimyasal karar verme görevlerinde kullanılabileceği ortaya konuldu. Araştırmacılar, reaksiyon yollarını kodlamak için verimli bir şema geliştirdi ve geleneksel adım adım reaktan tahmininin ötesine geçen yeni bir rota seviyesi arama stratejisi sundu.
Bu yaklaşım, kimyasal sentez planlamasında daha bütünsel bir perspektif sunarak, tek seferde tüm sentez rotasını değerlendirme imkanı sağlıyor. Kapsamlı değerlendirmeler, LLM destekli sistemin çok adımlı retrosintez planlaması probleminde başarılı sonuçlar verdiğini gösteriyor.