בעידן שבו גילוי תרופות חדשות נתקל בבקבוק הצוואר של ניסויים יקרים ומגבילים, חוקרים מציגים את SEISMO – סוכן מבוסס מודל שפה גדול (LLM) שמבצע אופטימיזציה מולקולרית בזמן אמת. הכלי פותר בעיה מרכזית במדעי הכימיה והפארמה, שבה הערכת תכונות מולקולריות דורשת 'שאילתות יקרה' כמו ניסויים מעבדתיים. SEISMO פועל באופן מקוון לחלוטין, ומשפר הצעותיו אחרי כל שאילתא אחת, ללא צורך בשיטות למידה מבוססות אוכלוסייה או אצווה. (72 מילים)
SEISMO בונה על מסלול האופטימיזציה המלא: הוא משלב תיאורי משימות בשפה טבעית, ציוני ביצועים מספריים, ומשוב מובנה כשזמין. כך, הוא מציע מבנים מולקולריים משופרים בהתבסס על כל ההיסטוריה הקודמת. במבחן Practical Molecular Optimization הכולל 23 משימות, SEISMO השיג שטח מתחת לעקומת האופטימיזציה גבוה פי 2-3 משיטות קודמות, והגיע לציונים קרובים למקסימום תוך 50 שאילתות בלבד. לפי הדיווח, זה מהווה פריצת דרך ביעילות דגימה. (92 מילים)
בנוסף, במשימות כימיה רפואית ספציפיות, מתן משוב הסברי מובנה שיפר עוד את הביצועים, ומוכיח כי שילוב ידע מקצועי ומידע מובנה הוא המפתח ליעילות גבוהה. החוקרים מדגישים כי SEISMO אינו דורש אימון מחדש או נתונים נוספים – הכל מתרחש בזמן השפה. זה הופך אותו לכלי פרקטי במיוחד לתעשיית הפארמה, שבה כל ניסוי עולה אלפי דולרים. (85 מילים)
המשמעות העסקית עצומה: חברות תרופות ישראליות כמו טבע או סטארט-אפים ביוטק יכולות להאיץ גילוי מולקולות מבטיחות, להפחית עלויות פיתוח ולהגיע לשוק מהר יותר. בהשוואה לשיטות מסורתיות, SEISMO מציע יתרון תחרותי משמעותי, במיוחד כשמדובר באופטימיזציה של תכונות כמו מסיסות או קישור לקולטנים. זה מתחבר למגמה גלובלית של שילוב AI בכימיה חישובית. (78 מילים)
למנהלי עסקים בתחום: כדאי לבחון כלים כמו SEISMO כבר עכשיו, כדי לשפר תהליכי R&D. השאלה היא – האם תעשיית התרופות הישראלית תוביל באימוץ סוכני LLM כאלה? קראו את המאמר המלא ב-arXiv לפרטים טכניים. (53 מילים)