Claude научился читать спектры молекул

Anthropic открыла новую линию исследований Claude для химии и начала с задачи, которая для лабораторий звучит не как фантастика, а как ежедневная рутина: чтение NMR-спектров. Это метод, с помощью которого химики подтверждают структуру молекул. Если упрощать, спектр показывает «отпечаток» атомного окружения, а специалист сопоставляет пики с предполагаемой структурой вещества.

В свежем Science Blog компания пишет, что работает с синтетическими, вычислительными и аналитическими химиками, чтобы сделать Claude полезнее именно в таких переходах: от рисунка молекулы к машинной записи, от спектра к структуре, от статьи и патента к рабочей химической гипотезе. Первый опубликованный white paper проверяет Opus 4.7 на NMR — одном из самых частых и трудоёмких входов в работе химика.

Что проверили

Anthropic сравнила три модели Claude — Opus 4.7, Opus 4.6 и Sonnet 4.6 — с ChemDraw и MestReNova, двумя привычными инструментами для химиков. Тест построили на 20 соединениях из ChemRxiv-препринтов, опубликованных после training cutoff моделей, чтобы снизить риск простого запоминания. Соединения разбили на четыре семейства по пять молекул, каждое с отдельным типом NMR-сложности.

В прямой задаче инструментам давали структуру молекулы в виде SMILES-строки и просили предсказать пики водорода и углерода в 1D NMR-спектре. Затем прогнозы сравнивали с экспериментальными данными из публикаций. Для Claude каждый пример запускали три раза и усредняли результат, потому что языковая модель может отвечать немного по-разному; классический софт выдаёт один и тот же ответ.

Результат оказался сильным, но не без оговорок. По водороду Opus 4.7 показал самый низкий средний промах — 0,079 ppm, то есть заметно внутри окна, которое химик счёл бы корректным. По углероду Opus 4.7 и MestReNova оказались фактически рядом: 1,37 и 1,48 ppm. Модель также чаще остальных совпадала с экспериментально указанным рисунком расщепления пиков, а по расстоянию между подпиками все три модели Claude попадали в узкий допуск существенно чаще, чем ChemDraw и MestReNova.

Почему это важно

Самая интересная часть не только в том, что универсальная модель догоняет специализированный софт в прямом прогнозе. Anthropic также дала Opus 4.7 обратную задачу: по молекулярной формуле и спектрам предложить структуру вещества. Это обычно остаётся работой химика или требует более специализированных инструментов и данных.

На 15 таких задачах модель восстановила все восемь более простых структур во всех попытках. Для семи более плотных молекул ей добавляли подсказку со структурой исходного реагента; в четырёх случаях правильный ответ появился во всех трёх запусках, в остальных — в двух из трёх.

Для читателя вне химии смысл в другом: ИИ всё чаще становится не просто чат-ботом для текста, а переводчиком между профессиональными представлениями мира. В химии одна и та же молекула может жить как рисунок, спектр, SMILES-строка, патентное название, таблица в supplementary materials и абзац методики. Если модель надёжно связывает эти формы, она снимает с учёного часть механической работы и ускоряет проверку гипотез.

Где граница

Anthropic прямо подчёркивает ограничения. Выборка мала: 20 соединений для прямого прогноза и 15 для обратной задачи. Не проверялись многие классы молекул, 2D NMR, стереохимия и сложные природные продукты. Для самых трудных обратных задач модель могла застревать без дополнительного контекста о стартовом веществе.

Поэтому это не история о том, что Claude «заменил химиков». Скорее, это ранний, но важный пример того, как frontier-модели заходят в прикладную науку: сначала помогают читать приборные данные, сверять структуры и вытаскивать смысл из литературы, а затем могут стать частью более длинного цикла — от идеи реакции до проверки результата в лаборатории.