上海交大AI团队突破化学智能领域：ChemActor模型实现实验描述与指令双向翻译

近日，上海交通大学人工智能研究院AI for Science团队在化学智能领域取得突破性进展。由许岩岩、金耀辉等人领衔开发的ChemActor模型，成功实现了非结构化实验描述与结构化实验操作指令的双向翻译，为化学实验自动化提供了关键技术支持。

该研究针对有机合成、材料开发和药物筛选等领域面临的实验流程标准化难题，创新性地利用大语言模型（LLMs）的跨语言建模能力。ChemActor基于70亿参数模型进行微调，通过融合链式数据生成和分布差异筛选技术，构建了首个无需人工标注的实验指令生成框架。该系统可自动完成从单分子输入到完整实验流程生成的全过程，在语义对齐、逻辑合理性与结构还原等方面展现出显著优势。

性能测试显示，ChemActor在两个公开化学实验数据集上的表现优于现有方法，平均性能提升超过10%。该模型不仅能够生成实验指令，更能准确还原实验操作的语义结构，有效解决了化学文献中实验步骤描述风格多样、语义模糊的”语言壁垒”问题。

这项名为《ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data》的研究成果已发表于ACL main 2025会议。论文指出，结构化实验指令是实现自动化合成的底层语言，也是催化剂筛选、反应条件优化等关键任务的数据基础。该技术的突破为智能合成平台与无人实验室建设提供了重要支撑。

值得注意的是，这是继上海人工智能实验室发布ChemLLM模型后，我国科研机构在化学大语言模型领域的又一重要进展。随着AI for Science研究的深入，大语言模型正在推动化学研究范式从传统”手工理解”向”语言驱动”的智能化方向转型。