何からなぜへ：エビデンスに基づく化学反応条件推論のためのマルチエージェントシステム

要旨

化学反応条件の推薦は、化学反応に適した条件パラメータを選択することを指し、化学科学の加速において極めて重要です。大規模言語モデル（LLMs）の急速な発展に伴い、その推論および計画能力を活用して反応条件を推薦することへの関心が高まっています。既存の手法は成功を収めているものの、推薦された反応条件の根拠を説明することはほとんどなく、高リスクの科学ワークフローにおける有用性が制限されています。本研究では、ChemMASというマルチエージェントシステムを提案します。ChemMASは、条件予測を証拠に基づく推論タスクとして再構築し、タスクをメカニズムの基盤付け、マルチチャネル想起、制約を考慮したエージェント間議論、および根拠の集約に分解します。各決定は、化学的知識と検索された先例に基づいた解釈可能な正当化によって裏付けられます。実験結果によると、ChemMASはドメイン固有のベースラインに対して20〜35％の向上を達成し、汎用LLMsをトップ1精度で10〜15％上回りながら、反証可能で人間が信頼できる根拠を提供します。これにより、科学発見における説明可能なAIの新たなパラダイムが確立されます。

English

The chemical reaction recommendation is to select proper reaction condition parameters for chemical reactions, which is pivotal to accelerating chemical science. With the rapid development of large language models (LLMs), there is growing interest in leveraging their reasoning and planning capabilities for reaction condition recommendation. Despite their success, existing methods rarely explain the rationale behind the recommended reaction conditions, limiting their utility in high-stakes scientific workflows. In this work, we propose ChemMAS, a multi-agent system that reframes condition prediction as an evidence-based reasoning task. ChemMAS decomposes the task into mechanistic grounding, multi-channel recall, constraint-aware agentic debate, and rationale aggregation. Each decision is backed by interpretable justifications grounded in chemical knowledge and retrieved precedents. Experiments show that ChemMAS achieves 20-35% gains over domain-specific baselines and outperforms general-purpose LLMs by 10-15% in Top-1 accuracy, while offering falsifiable, human-trustable rationales, which establishes a new paradigm for explainable AI in scientific discovery.

何からなぜへ：エビデンスに基づく化学反応条件推論のためのマルチエージェントシステム

From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reasoning

要旨

Support