RetroLens: 一个人工智能与人类协作系统用于多步骤逆合成路线规划

文献标题

RetroLens: A Human-AI Collaborative System for Multi-step Retrosynthetic Route Planning

文献信息

• 主题领域: 人机协作、化学合成、人工智能
• 关键词: 人机协作, 多步骤问题解决, 多标准决策, 计算化学, 化学合成路径规划

研究背景与问题

• 发现的问题或挑战:

  • 多步骤化学逆合成路径规划 (MRRP) 是化学合成的核心任务，但由于搜索空间极大且规划复杂性高，化学家往往耗费大量时间。
  • 自动化的AI模型虽然快速，但只能处理简单目标物质，对复杂分子难以胜任。
  • 在复杂分子合成中，仅依赖化学家的手动规划既费时又容易出错。

• 重要性与研究动机:

  • 化学合成广泛应用于药物发现等领域，但现有问题导致合成时间长且效率低。
  • AI在处理复杂分子时的能力有限，这使得人机合作成为解决问题的潜在路径。
  • 探索有效的人机协作方法有助于提高化学家规划效率并降低认知负担。

• 相关工作:

  • 现有AI模型使用模板化或深度学习方法解决局部化学逆合成问题，但长期路径规划方面仍然面临局限。
  • 人机协作主要集中在单步问题上，对动态且多步骤问题的研究尚属探索阶段。

解决方案

• 方法与解决方案:

  • 提出了一个人机协作系统RetroLens，通过人类与AI联合行动和AI决策辅助两种协作形式支持复杂分子的化学逆合成路径规划。
  • 通过任务分配，结合化学家经验与AI能力进行路径规划，解决AI对复杂分子处理能力局限的问题。

• 创新点:

  • 整合了两种人机协作形式：联合行动和AI辅助决策，用于动态的多步骤问题解决。
  • 提供了基于用户指定多标准的候选修正步骤推荐与排序机制，帮助化学家快速解决路径失败问题。

• 实施步骤与关键技术:

  1. 用经验规则分配化学逆合成任务：AI处理简单分子，化学家处理较复杂分子。
  2. 如果路径规划失败，通过AI模块分析并定位问题，推荐可能的修正步骤。
  3. 借助多标准决策算法（例如简单加权法SAW），对修正步骤进行排序，根据多个用户指定的标准提供优化建议。

研究成果

• 具体成果:

  • RetroLens显著提高了化学家在复杂分子合成中的路径规划速度。
  • 系统扩展了化学家探索设计空间的范围，支持用户发现更多合成路径。
  • 提供了路径规划修改的多维度评价方式，使修正更加高效。

• 优势:

  • 相较于手动规划和单一AI路径规划解决方案，RetroLens降低了化学家的认知负担，同时增强了路径规划的全面性与实用性。
  • 在实验中，参与者报告使用该系统后对规划结果的信心更高，且规划过程压力降低。

• 实验与评估结果:

  • 用户研究表明，与手动条件相比，参与者在使用RetroLens后完成任务速度显著加快，并探索了更广的路径设计空间。
  • 系统改善了化学家对MRRP过程的用户体验，包括决策效率和满意度。

• 局限性与未来方向:

  • RetroLens目前无法编辑AI生成的路径限制了用户的规划灵活性。
  • 候选步骤排序算法缺乏某些细化的标准，未来需扩展更多标准或引入更复杂的排序方法。
  • 未来实验需要进一步验证这些合成路径的实际实验效果，同时探讨用户化学背景经验对协作模式的影响。