普林斯顿发布 ChefNMR2：从 1D NMR 谱自动解析小分子结构
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，速度比 frontier LLM 快两到三个数量级。该工作显示专门的科学 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。
- 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。
- 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%(转发帖中亦见 82.4% 的表述)，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 在该测试上明显落后。
- 团队指出小分子药物占 FDA 批准药物的一半以上，该系统旨在大幅加速其研发；论文已公开。
- 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 · 10 条相关
一手来源
- ChefNMR2 从 NMR 谱自动解析分子结构,超最强 LLM 且成本仅 1/360 — 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 ·
- ChefNMR2 基准测试：2000+分子上 Top-1 命中 82.3%,最佳 LLM 仅 52% — ZhongingAlong ·
- 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
- ChefNMR2 从一维 NMR 谱自动解析分子结构,准确率 82.4% 超越 Claude Opus — ZhongingAlong · 2026-11-03
另有 4 条近重复转述:ZhongingAlong · ZhongingAlong · ZhongingAlong · ZhongingAlong