让 Claude 成为化学家¶

发布日期：2026-06-05
分类：Science

我们正在与世界级的合成化学家、计算化学家和分析化学家合作，让 Claude 更擅长化学。本文分享了这项工作的首个成果——Anthropic 化学家 David Kamber 研究了 Claude 在处理化学家最常见的分析输入——NMR 谱图方面的表现。

化学家的语言¶

化学家在不同表征之间来回切换，每种表征都编码着相同的底层化学信息，但要求不同的解读能力。 在工作中，化学家需要在白板上的手绘结构、仪器读数、数据库查询字符串，以及专利和出版物的技术标记之间自如切换。一个咖啡因的草图能让化学家发现它与腺苷——人体的困倦信号——的相似性，从而预测它通过阻断受体来保持清醒。然而，同一张草图无法帮助区分它与外观几乎相同的分子。

理解化学家正在处理的分子至关重要。化学是食品、药物、乳液、油漆和塑料等一切事物的基础。在相同原子之间重排少数几根键，葡萄糖就变成了果糖——分子式相同，却通过完全不同的代谢途径处理。将分子翻转为其镜像，镇静剂就变成了致畸剂，正如沙利度胺灾难中发生的那样。^1 化学家的日常工作依赖于在各种表征中正确解读这些信号。

在这些表征之间转换既耗时又不可能大规模跟进——CAS（最大的化学注册机构）目录中已有超过 2.9 亿种已披露物质，并且每天约增长 15,000 种新物质。

AI 非常适合承担这一研究负担，但在化学领域目前仍主要停留在愿景层面。 机器学习工具多年来一直被定位为能变革逆合成——从目标分子逆推到更简单的前体——反应预测和性质估算。但这些工具所需的数据一直难以获取——空值结果稀少、格式不一致、被付费墙锁定。逆合成就是一个典型案例——有能力的 AI 工具已存在多年，但采用并不均衡，普通学术界或小型实验室的化学家仍然不使用它们。

尽管如此，AI 的进步终于开始触及化学领域。今天的前沿模型具备多模态能力和显式推理能力。它们可以直接从期刊图片或手绘草图中读取化学结构，而不是依赖预先整理好的分子数据库。它们可以按实际发表的形式阅读方法章节的实验细节。它们可以逐步展示推理过程，让化学家能够审查输出。这些都没有消除数据问题，但改变了哪些问题尽管有数据缺乏仍然可以解决。

"Claude 开始实质性地辅助化学家进行日常的翻译、回忆和整合工作，作为他们专业判断的补充。"

Anthropic 团队计划持续扩展 Claude 的化学能力。今天发布了这一系列工作的首篇白皮书，聚焦化学家最常见的分析输入：NMR 谱图。

Claude 对比 ChemDraw：NMR 预测与结构解析¶

完整白皮书可在此处查阅。

几乎每一种小分子——药物、农药、染料、香料、聚合物、DNA 或蛋白质亚基、功能无机或固态材料——之所以存在，都是因为化学家确定了它的结构。鉴于这些分子无法用显微镜看到，化学家必须依靠光谱分析，用光、无线电波或磁场探测分子。分子吸收、发射或偏转能量的方式给化学家提供了一个模式（即谱图），从中可以解析其结构。

NMR 光谱是经典技术之一，也是合成化学中最耗时的步骤之一——对于每个化合物，化学家必须手动将谱图中的每个峰与所提出结构中的一个原子匹配。在这篇白皮书中，团队测试了 Claude 对比化学家当前依赖的专业 NMR 软件的表现。三个 Claude 模型（Opus 4.7、Opus 4.6、Sonnet 4.6）与 ChemDraw 和 MestReNova 在 20 个化合物上进行了对比测试，这些化合物来自模型训练截止日期之后发表的合成化学预印本，以避免选择偏差。ChemDraw 和 MestReNova 都做正向预测——利用绘制的结构模拟将产生什么 NMR 谱图。除正向预测外，团队还评估了 Claude 能否反向工作——从实验谱图出发推导背后的结构。这是更困难的任务，也是现有软件目前留给化学家自己做的工作。

评估设置¶

从 ChemRxiv 预印本中抽取 20 个化合物^2，涵盖四类结构骨架，每类考察不同类别的 NMR 挑战。 每个工具接收以 SMILES 字符串编码的结构，要求预测每个氢和碳峰在一维 NMR 谱图上的位置（以 ppm 为单位的化学位移）。每个工具被告知在化学家在发表论文中使用的溶剂中进行预测。

图 1. 正向预测评估涵盖的四类骨架结构。每类考察不同类别的 NMR 挑战。P1 氯吡嗪二嗪在 DMSO-d₆ 中氨基吡嗪上有慢交换 NH；P2 Boc-N-芳基马来酰亚胺和 N-Boc 炔酰胺涉及 α-乙烯基-酰亚胺羰基和罕见的炔酰胺 α/β-碳对；P3 螺酮是带有苯甲酰或乙酰悬挂基的螺双环酮，具有非对映异位 CH₂；P4 α-硅基甲磺酰胺具有屏蔽的硅-α 碳。每类五个化合物，n = 20。

由于语言模型的输出在不同运行之间有所变化，每个 Claude 模型每个化合物查询三次并取平均值；ChemDraw 和 MestReNova 每次返回相同答案，仅运行一次。每个预测峰与其实验对应值配对，测量 ppm 差距。这些落在化学家认为正确的窗口内——氢为 ±0.20 ppm，碳为 ±1.0 ppm。

正向预测结果¶

图 2. 正向预测中 20 个化合物的各工具 ¹H（左）和 ¹³C（右）化学位移误差的 MAE（深色）和 RMSE（浅色），下方显示覆盖率。Claude 柱：三次重复的均值，带最小-最大范围和叠加的重复点。经典工具：单点预测（无范围）。

关键发现：

• 在氢谱上，Opus 4.7 最准确，平均误差 ±0.079 ppm——远低于容差窗口的一半——且落在窗口内的峰比例最高
• 在碳谱上，Opus 4.7 和 MestReNova 基本持平，分别为 ±1.37 和 ±1.48 ppm
• Opus 4.6 表现"可预见地居中"，Sonnet 4.6 最弱
• 模型间差异在氯吡嗪二嗪家族中一个公认困难的 NH 质子上最为明显（真实位置：6.8–7.9 ppm）。Opus 4.7 预测略低但一致；Opus 4.6 猜测分散在数个 ppm 范围内；Sonnet 4.6 将其放在 10–13 范围

图 3. 上方：±0.20 ppm（¹H，左）和 ±1.0 ppm（¹³C，右）容差内的实验原子百分比。下方：各化合物胜率（20 个化合物中该工具具有最低 MAE 的化合物数）。Claude 柱：三次重复的均值，带最小-最大范围；经典工具：单点预测。

峰形和裂分模式：

逆向预测（结构解析）¶

Opus 4.7 在 15 道结构解析题目上接受测试，每题查询三次，要求提出最多三个排序的候选结构。 每道题提供化合物的精确分子式（来自高分辨质谱）及其氢和碳 NMR 谱图。

图 4. 15 道逆向任务题目的结构解析结果。每个面板显示已发表的目标结构及其在 3 次尝试中的成功次数。边框颜色指示 prompt 条件：绿色仅提供谱图和 HRMS，无起始原料上下文；蓝色提供谱图、HRMS 和起始原料的 SMILES，无其他反应上下文。

总体结论：

"对于常规数据预测，Opus 4.7——一个没有经过化学特定微调的通用模型——在平均水平上现在已与 ChemDraw 和 MestReNova 持平或更优。"

Claude 还能反向解决问题——仅从 NMR 数据（化学家会粘贴到聊天中的同一份高分辨质谱和一维峰列表）提出结构推断，无需额外设置。

局限性¶

理想情况下，结果应在涵盖 20-30 类骨架、每类至少 15 个化合物的数百个化合物上进行验证。

展望¶

提升 Claude 化学能力的重点方向：

"这些方向并非都在同一成熟度曲线上。光谱分析已经足够成熟可以进行基准测试，而其他方面（如逆合成规划）仍在确定范围中。"

与我们合作¶

Anthropic 正在扩展科学 AI 项目以更明确地支持化学研究。研究人员可通过 [email protected] 或通过科学 AI 项目申请联系。

脚注¶

1. 该事件中，一种孕期止吐药物与全球超过 10,000 名儿童的严重出生缺陷相关联。
2. 抽取化合物的四篇预印本：
   - https://chemrxiv.org/doi/full/10.26434/chemrxiv.15002274/v1
   - https://chemrxiv.org/doi/full/10.26434/chemrxiv-2025-59lfh
   - https://chemrxiv.org/doi/full/10.26434/chemrxiv.15002423/v1
   - https://chemrxiv.org/doi/full/10.26434/chemrxiv.15002316/v1

相关内容¶

• 利用 Claude 发现密码学弱点
• Project Pilot：AI 能控制无人机吗？
• 加拿大如何使用 Claude：来自 Anthropic 经济指数的发现