LoRA-Chem大模型问世

实现单基础模型通解多类有机反应预测

　　中化新网讯 近日，上海人工智能实验室与武汉大学联合提出LoRA-Chem，首次实现单基础模型通解多类有机反应预测，在保持大模型通用能力的同时，在专业任务表现上比肩甚至超越专有模型。

　　据介绍，LoRA-Chem框架跳出了传统基于特征的有机化学反应预测方法和图神经网络(GNNs)策略，以大语言模型为基础，借鉴低秩适应(LoRA)技术，打造“共享基础模型+可替换LoRA模块”的架构。当需要预测多个反应时，研究人员只需替换对应的LoRA模块，无需重新训练整个模型。同时，该模型还支持自然语言交互，输入反应物的IUPAC名称或SMILES字符串，模型就能通过“类似思维链提示”先识别反应类型，再预测结果。值得一提的是，该模型拥有较高的数据效率，仅需数千个训练样本，在消费级GPU上半天就能完成训练。

　　研究团队在多个经典反应数据集上验证了LoRA-Chem的实力，关键指标均达到或超越当前主流方法;同时训练多种反应预测任务后，单个任务性能虽略有下降，但仍与“单任务专用模型”持平，打破了传统模型“一事一训”的限制。此外，LoRA-Chem还展现出可扩展性，当基于性能更优的Qwen2.5-7B-Instruct模型微调时，其对同一化学反应的预测参数进一步提升。

　　另一方面，不同于传统模型微调后“专精一项、丢掉其他”的问题，LoRA-Chem在专注反应预测的同时，完整保留了LLM的原有能力。测试显示，搭载LoRA-Chem的模型在数学推理、语言建模、多学科知识等任务上，性能与原始模型几乎一致，这意味着它能融入现有LLM系统，成为合成化学研究的“智能助手”。

　　目前，团队已公开LoRA-Chem的数据集、训练代码和模型文件。未来，这一框架有望在药物合成、新材料研发等领域发挥作用，推动有机化学研究向“数据驱动+AI辅助”的模式转型。