AlphaFold与其他人工智能工具合作，在30天内从目标到击中分子_足球_体育

　　英国的研究人员已经对GPT-3进行了微调，以预测有机分子的电子和功能特性。

　　GPT-3可以识别Smiles(简化分子输入行输入系统)，这是一种将化学结构表示为文本字符串的符号，但通常返回的是宽泛的非专家描述。例如，GPT-3将苯环描述为具有环状结构的芳香族化合物，但无法更深入地了解分子特性。

　　由利物浦大学的安德鲁·库珀和伯明翰大学的陈林江领导的研究小组使用了从剑桥结构数据库(CSD)中提取的包含48182个有机分子的数据集，以及分子合成路线、固态稳定性和电子特性的详细信息。他们用CSD数据对GPT-3进行了微调，然后训练模型在给定smile字符串时预测和分类有机半导体的HOMO和LUMO值，大大提高了查询的实用性。

　　通过从输入的Smiles字符串中去除原子和官能团，研究小组展示了经过微调的GPT-3模型对不完整数据的弹性。尽管缺少这些数据，属性预测仍然是准确的，可以正确地识别出预期的微笑。通过在训练和微调中去除所有含有四烯片段的分子，然后成功地返回这些缺失物种的特性，GPT-3预测未知物种特性的能力也得到了证明。

　　尽管GPT-3仍然是资源密集型的，但这项研究强调了大型语言模型在未来与计算工作流集成的潜力，因为大型语言模型变得更便宜、更高效。

　　 Artificial intelligence predicted structures