AIonopedia: イオン液体発見のためのマルチモーダル学習を統合するLLMエージェント

要旨

新規イオン液体（IL）の発見は、データ不足、モデル精度の低さ、分断されたワークフローといった物性予測における重大な課題によって妨げられている。本研究では大規模言語モデル（LLM）の力を活用し、我々の知る限り初となるIL発見専用のLLMエージェント「AIonopedia」を提案する。LLM拡張型マルチモーダル領域基盤モデルを中核とするAIonopediaは、正確な物性予測を実現し、分子スクリーニングと設計のための階層的検索アーキテクチャを組み込んでいる。新たに構築した包括的ILデータセットで学習・評価された本モデルは、優れた性能を示した。これらの結果を補完するように、文献報告系に対する評価では、本エージェントが効果的なIL改修を実行可能であることが確認された。オフライン試験を超えて、実世界でのウェットラボ検証により実用性がさらに実証され、困難な分布外タスクにおいて卓越した汎化能力を発揮し、実世界のIL発見を加速する能力が強調された。

English

The discovery of novel Ionic Liquids (ILs) is hindered by critical challenges in property prediction, including limited data, poor model accuracy, and fragmented workflows. Leveraging the power of Large Language Models (LLMs), we introduce AIonopedia, to the best of our knowledge, the first LLM agent for IL discovery. Powered by an LLM-augmented multimodal domain foundation model for ILs, AIonopedia enables accurate property predictions and incorporates a hierarchical search architecture for molecular screening and design. Trained and evaluated on a newly curated and comprehensive IL dataset, our model delivers superior performance. Complementing these results, evaluations on literature-reported systems indicate that the agent can perform effective IL modification. Moving beyond offline tests, the practical efficacy was further confirmed through real-world wet-lab validation, in which the agent demonstrated exceptional generalization capabilities on challenging out-of-distribution tasks, underscoring its ability to accelerate real-world IL discovery.

AIonopedia: イオン液体発見のためのマルチモーダル学習を統合するLLMエージェント

AIonopedia: an LLM agent orchestrating multimodal learning for ionic liquid discovery

要旨

Support