北京
《LangChain for Life Sciences and Healthcare》里有个细节让我停了一下。作者Ivan Reznikov在讲化学AI时，提到一个反直觉的事实：那些专门为化学调优的大语言模型，理解分子的方式跟化学家完全不同。
化学家看的是结构、电子云、空间构型。AI呢？它把分子当成一串token序列。SMILES、SELFIES、InChI——这些人类用来描述分子的文本格式，成了模型的"母语"。
这就引出一个核心问题：哪种分子表示法能让AI最擅长化学推理？
SMILES最流行，紧凑好写，但有个老毛病：歧义太多，立体化学处理不干净，分子上下文经常缺胳膊少腿。SELFIES更鲁棒，生成的每一段序列都能对应一个有效分子，不会跑出"语法错误"的化学结构。InChI标准化程度高，但序列太长太复杂，生成难度陡增。
表示法不只是格式选择，它直接决定了模型怎么学习化学关系。GT4SD（科学发现生成工具包）就是专门啃这块硬骨头的。它聚焦几类任务：化学反应预测、逆合成分析、文字描述转SMILES、SMILES转文字说明，甚至把实验步骤写成可执行指令。
书里测了几款化学专用模型：GT4SD多任务T5、MolT5、CHEMLLM-2b。但真正有意思的，是它们搞砸的时候。
费舍尔酯化反应预测中，好几个模型生成了化学上完全不可能的结构——反应物里根本没有的原子，凭空出现在产物里。这不是小错，是底层逻辑出了问题。
预测分子token，不等于理解化学。真实的化学反应依赖反应机理、热力学、电子转移、立体化学、三维空间相互作用。一维token序列能捕捉的，只是这套现实的碎片。
书里一句话点透了："不理解化学反应背后的科学原理，模型就只是在猜测可能的解。"
化学AI的下一步，大概不是让语言模型单打独斗。语言模型、图神经网络、三维分子表示、物理约束AI、符号化学推理——这些技术的组合，才可能让AI从"生成化学"走向"理解化学"。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
