普林斯顿 ChefNMR2 从 NMR 谱解析分子结构,大幅超越前沿 LLM
普林斯顿团队(Ellen Zhong、Mo Seyedsayamdost 课题组)与 Edison Scientific 合作发布 ChefNMR2 及其 agent 版本:输入分子式(如来自质谱)与 1D 氢谱/碳谱峰列表,即可从头推断分子平面结构并直接生成 3D 分子结构,同时给出校准的不确定性。该工作表明专门的科学 AI 系统在小分子结构解析上已大幅超越通用大模型。
已确认
- ChefNMR2 结合原子级分子生成模型与 LLM 科学推理 agent,从分子式加一维 ¹H/¹³C NMR 谱图直接从头解析未知小分子结构,号称比 frontier LLM 快两到三个数量级。
- 相比上一版,模型将扩散生成升级为 flow-matching,架构改为基于多模态扩散 transformer 的新设计。
- 团队联合 Edison Scientific 做了大规模基准测试:覆盖 5 个测试集、2000+ 分子(含实验 NMR 数据),与 6 个前沿推理 LLM 及专用工具对比;ChefNMR2 Top-1 命中率 82.3%,最佳 LLM 仅 52%,成本约为其 1/360。
- 在九个著名天然产物上评测,涵盖 taxol、rapamycin 以及含 80 个重原子的 vancomycin aglycone 等多种结构类型,ChefNMR2 全部正确解析平面结构;前沿 LLM 在该测试上表现明显落后。
- 作者观察称,自 2025 年 6 月 Claude Opus 4.8 发布以来,聊天机器人在 NMR 谱图解析上突然表现优异,LLM 已具备接近化学家水平完成此类科学任务的通用智能,这一现象是本次基准测试的引入背景。
为什么重要
- NMR 结构解析是化学、药物研发中的高频且耗时工作,ChefNMR2 的准确率与成本优势显示专用「生成模型 + 推理 agent」路线在科学任务上可能显著优于通用 LLM。
- 在紫杉醇、万古霉素等真实复杂天然产物上的全对表现,说明该系统已能处理药物化学中具有代表性的难例,而非仅限于基准数据集。
- 前沿 LLM 在该任务上的跃升也为「通用智能何时能接手专家级科学工作」提供了一个可量化观察样本。
2026-11-03 ~ 2026-11-03 · 8 条相关
一手来源
- 普林斯顿 ChefNMR2：从 NMR 谱图自动解析未知小分子结构，快 frontier LLM 两三个数量级 — ZhongingAlong ·
- ChefNMR2 基准测试：2000+分子上 Top-1 命中 82.3%,最佳 LLM 仅 52% — ZhongingAlong ·
- ChefNMR2 发布:直接从 1D NMR 谱图生成 3D 分子结构,带校准不确定性 — ZhongingAlong ·
- 【源头】普林斯顿 ChefNMR2：从 NMR 谱图自动解析未知小分子结构，快 frontier LLM 两三个数量级 — ZhongingAlong · 2026-11-03
- 作者观察:自 Claude Opus 4.8 起 LLM 突然学会像化学家一样解读 NMR — ZhongingAlong · 2026-11-03
- 【源头】ChefNMR2 发布:直接从 1D NMR 谱图生成 3D 分子结构,带校准不确定性 — ZhongingAlong · 2026-11-03
- 【源头】ChefNMR2 基准测试：2000+分子上 Top-1 命中 82.3%,最佳 LLM 仅 52% — ZhongingAlong · 2026-11-03
- ChefNMR2 解析 9 种天然产物平面结构全对,含紫杉醇与万古霉素 — ZhongingAlong · 2026-11-03
另有 3 条近重复转述:ZhongingAlong · ZhongingAlong · ZhongingAlong