何曉首先介紹了華東師范大學(xué)開展研究化學(xué)大模型ChemGPT的政策背景。他指出，生物醫(yī)藥是事關(guān)國家重大戰(zhàn)略的核心競爭領(lǐng)域，“美國生物法案”對眾多國際前沿問題和卡脖子難題進行打壓，包括人工智能、芯片等領(lǐng)域。《上海市生物醫(yī)藥產(chǎn)業(yè)發(fā)展“十四五”規(guī)劃》指出，2025年生物醫(yī)藥產(chǎn)業(yè)規(guī)模會達到一萬億元以上。而生物醫(yī)藥與集成電路、人工智能同為上海市重點發(fā)展的三大產(chǎn)業(yè)。圍繞國家及上海市戰(zhàn)略需求，華東師大圍繞生物醫(yī)藥和人工智能重點領(lǐng)域開展研究。

在介紹研究背景時，何曉指出，分子改變世界，合成創(chuàng)造價值。2020年，我國化學(xué)原料和化學(xué)制品制造業(yè)主營業(yè)務(wù)收入6.31萬億元，原料要出口357億美元。從1828年人工合成尿素作為首例人工合成的化合物分子，到2010年鈀催化的交叉偶聯(lián)方法，新的研究方法和研究院范式的變革不斷推動有機合成化學(xué)的發(fā)展。

何曉講述了合成化學(xué)經(jīng)歷了從分子制造到分子“智”造的發(fā)展歷程。指出分子智造以高質(zhì)量數(shù)據(jù)收集為基礎(chǔ)，結(jié)合機器學(xué)習(xí)，利用自動化合成平臺，實現(xiàn)區(qū)別于傳統(tǒng)合成模式的分子高校精準(zhǔn)創(chuàng)制。通過理論計算+大數(shù)據(jù)+機器學(xué)習(xí)，以智能設(shè)計提高合成路線的精準(zhǔn)度，進行綠色高效的自動合成提高功能分子（小分子藥物）研發(fā)效率。

接下來，何曉講述了分子智造、有機合成化學(xué)新的變革以及國際分子化學(xué)的進展情況及我國相關(guān)研究存在的問題。分子智造是有機合成化學(xué)國際競爭的新的主戰(zhàn)場，實際上，我國在分子智造領(lǐng)域研究剛剛開始，與國際高水平研究有差距，目前存在的關(guān)鍵問題包括：首先，重要反應(yīng)的特色數(shù)據(jù)庫確實，缺乏自主知識產(chǎn)權(quán)，深度數(shù)據(jù)分析背景噪音大；第二，缺乏化學(xué)邏輯算法，理性設(shè)計和智能設(shè)計缺乏有機結(jié)合，模型與結(jié)果的可解釋性不足；第三，模型砌塊較為基礎(chǔ)，缺乏結(jié)果反饋訓(xùn)練，解放雙手卻無法解放大腦。

何曉介紹了華東師范大學(xué)分子智造主要研究內(nèi)容。2021年，在上海市教委的支持下，華東師范大學(xué)成立了分子智造前沿科學(xué)研究基地。主要研究內(nèi)容包括：第一，分子智造基礎(chǔ)科學(xué)研究體系的建立，主要包括新算法的開發(fā)，特色數(shù)據(jù)的構(gòu)建；第二，合成化學(xué)智能設(shè)計體系的構(gòu)建，進行智能設(shè)計與理性設(shè)計的融合，基于智能設(shè)計的合成路線分析與優(yōu)化，面向制藥行業(yè)的分子智造軟件開發(fā)；第三，智能合成化學(xué)平臺的建立，基于智能設(shè)計的功能分子智造，分子智造與超限智造的結(jié)合，智能設(shè)計與自動合成的聯(lián)用；第四，AI導(dǎo)向數(shù)字化智能平臺建設(shè)，此平臺基于分子智造的理念，通過對不同合成領(lǐng)域?qū)嶒炦^程數(shù)字化，實現(xiàn)利用單一平臺解決合成化學(xué)中多個學(xué)科的重要科學(xué)問題。此外，作為拓展，與智能加、智能教育、科普等結(jié)合建設(shè)分子智造社會拓展平臺。

何曉概述了ChemGPT的設(shè)計路徑。通過高質(zhì)量數(shù)據(jù)庫的構(gòu)建，與逆合成模型預(yù)測，將化學(xué)反應(yīng)用計算機可識別的方式表達，然后利用深度模型學(xué)習(xí)化合物之間的反應(yīng)規(guī)則，預(yù)測化合物的單步反應(yīng)，再基于單步模型的預(yù)測結(jié)果，利用機器學(xué)習(xí)算法自動構(gòu)建多步反應(yīng)路徑。通過構(gòu)建精確且多樣的化學(xué)性質(zhì)數(shù)據(jù)庫，引入新的物理描述符，對分子體系全面化學(xué)性質(zhì)的監(jiān)督學(xué)習(xí)，發(fā)展了對各類分子體系普遍使用的全新泛函CF22D，為理論與計算化學(xué)提供新工具。何曉指出，基于大數(shù)據(jù)和機器學(xué)習(xí)訓(xùn)練新的密碼泛函方法CF22D對弱相互作用的預(yù)測最為準(zhǔn)確。通過發(fā)展新的物理描述符，運用人工智能方法，高精度預(yù)測化學(xué)反應(yīng)機理，相關(guān)的研究發(fā)表在Nature和Science等主流期刊上。

何曉對華東師范大學(xué)ChemGPT 1.0的架構(gòu)進行介紹。通過化學(xué)知識收集、化學(xué)合成反應(yīng)，基于LLM模式進行預(yù)訓(xùn)練，通過接口開發(fā)最終進行網(wǎng)頁、公眾號、小程序等部署。ChemGPT可以進行針對化學(xué)的專業(yè)知識問答、實時查詢和GPT逆合成。其數(shù)據(jù)集包含了化學(xué)、生物等自然科學(xué)的豐富數(shù)據(jù)，包含化學(xué)性質(zhì)問答類數(shù)據(jù)734種，科學(xué)類（涵蓋化學(xué)）問答類數(shù)據(jù)11679種，化學(xué)類問答類數(shù)據(jù)658種，包括生活常識、化學(xué)知識問答等。此外，包含維基百科詞條一萬多條，轉(zhuǎn)換成200多萬的問答數(shù)據(jù)。同時，進行反應(yīng)數(shù)據(jù)庫的構(gòu)建，從化學(xué)反應(yīng)數(shù)據(jù)庫中學(xué)習(xí)潛在的反應(yīng)規(guī)則，并對單步反應(yīng)進行預(yù)測。當(dāng)前數(shù)據(jù)庫面臨的挑戰(zhàn)包括：一是數(shù)據(jù)量有限，泛化能力受限；二是標(biāo)注數(shù)據(jù)的質(zhì)量較低，影響模型訓(xùn)練和評估；三是數(shù)據(jù)偏差和樣本不平衡，預(yù)測能力不足。目前采取數(shù)據(jù)集融合方式作為解決方案。

何曉分析了ChemGPT模型和技術(shù)上的亮點。第一，制作了高質(zhì)量化學(xué)對話數(shù)據(jù)集，由問答類和專業(yè)背景類兩部分組成；第二，針對化學(xué)領(lǐng)域中化合物逆合成的難題，通過數(shù)據(jù)拼接、數(shù)據(jù)疊加、數(shù)據(jù)加權(quán)和數(shù)據(jù)合成方式構(gòu)建了逆合成數(shù)據(jù)庫。更大規(guī)模的數(shù)據(jù)提高了反應(yīng)性，高質(zhì)量的標(biāo)注數(shù)據(jù)提高模型的準(zhǔn)確性和可靠性，解決數(shù)據(jù)平衡問題，提高功能分子研發(fā)效率；第三，創(chuàng)新對話模型和逆合成模型，多模型多模塊融合技術(shù)進行集成。對話模型和逆合成模型分別基于ChatGLM和llama基座模型進行改進，使用全量微調(diào)，在A800的GPU集群上使用2個月的時間完成對模型進行微調(diào)。提出并使用了多模型多模塊融合技術(shù)進行集成，但無需安裝插件，能同時支持化學(xué)專業(yè)知識領(lǐng)域、化學(xué)逆合成、生物醫(yī)療、通用領(lǐng)域的知識問答，支持自動上網(wǎng)查資料幫助模型返回高質(zhì)量實時問答、繪畫功能等。

何曉還介紹了目前的一些工作進展。基于LLM的多部逆合成路線搜索，將路徑搜索問題建模為優(yōu)化問題，使用演化算法（EA）進行求解。基于演化算法（EA）的多步逆合成路徑搜索，有兩個優(yōu)勢：一是基于路徑的縱向搜索，速度快；二是多點搜索策略，可提供多套可行方案。華東師大科研團隊構(gòu)建分子逆合成多步搜索模型，將路徑搜索問題建模為優(yōu)化問題，并利用演化算法（EA）進行求解，EA深度有限搜索策略，相比于MCTS，路徑搜索時間降低34%-98%。構(gòu)建自動化學(xué)合成反應(yīng)技術(shù)體系，完成自動化學(xué)合成反應(yīng)技術(shù)體系整體構(gòu)建和框架設(shè)計，以微流控芯片為基礎(chǔ)的化學(xué)合成實驗將原反應(yīng)時間縮短80%。此外，研究團隊還將機器篩選與人工智能相結(jié)合，干濕迭代形成閉環(huán)，通過AI設(shè)計新的反應(yīng)條件等。