Chemical reasoning in LLMs unlocks strategy-aware synthesis planning and reaction mechanism elucidation

Motivation

• Known: 기존 retrosynthesis 알고리즘은 상용화 가능한 시작 물질까지의 경로 탐색에는 우수하지만, 보호기 도입 시점, 고리 형성 순서 등 전략적 고려사항을 통합하지 못한다. LLM은 화학 개념 분석과 직관적 추론에 탁월하나 SMILES 문자열 생성 등 직접적 화학 구조 생성에 제한이 있다.
• Gap: LLM의 전략적 추론 능력과 기존 검색 알고리즘의 체계적 탐색 능력을 결합하여 자연어 기반의 전략 기반 합성 계획 및 메커니즘 규명을 가능하게 하는 통합 프레임워크가 부재했다.
• Why: 복잡한 유기 합성에서 전문가 화학자의 전략적 사고(보호기 타이밍, 고리 형성 순서, 호환성 등)를 자동화하면 신약 개발과 합성 계획 자동화를 가속화할 수 있고, 자연어 인터페이스는 프로그래밍 전문성이 없는 화학자도 활용 가능하게 한다.
• Approach: LLM을 구조 생성이 아닌 평가자로 위치시켜, 검색 알고리즘이 생성한 합성 경로 후보를 텍스트로 변환하고 자연어 화학 전략 지시문(예: '피리미딘 고리를 초기에 형성하라')과의 부합도를 평가하여 최적 경로를 선별하는 방식으로, 합성 계획과 메커니즘 규명 두 가지 과제에 적용한다.

Achievement

Figure 3. Selecting highly feasible routes

• 전략 기반 합성 계획: 36명의 독립적 전문 화학자 평가에서 71% 일치율 달성, 전문가 간 일치도 수준의 신뢰성 달성
• 메커니즘 규명: elementary electron-pushing steps 평가를 통해 LLM이 합성 검색을 화학적으로 타당한 메커니즘으로 유도, 단순 반응에서 거의 완벽한 성능 달성
• 모듈식 아키텍처: 임의의 retrosynthesis engine이나 mechanism enumeration 도구와 통합 가능한 범용 프레임워크 제시
• 모델 스케일링 분석: 모델 크기와 generation 방식에 따른 capability 향상 추이 규명, 시간 경과에 따른 성능 향상 확인

How

Figure 1. Performance of the system for strategy-aware synthesis planning presented in this work

• 기존 검색 알고리즘(retrosynthesis engine)에서 생성한 다중 합성 경로 후보를 수집
• 각 경로를 자연어 텍스트로 변환하여 화학 전략, 고리 형성 순서, 보호기 도입 시점 등 정보 표현
• LLM에 자연어 화학 전략 지시문(예: '피리미딘 고리를 초기에 형성하라
• 호환되지 않는 변환 피하기' 등)을 프롬프트로 제시", 'LLM이 각 후보 경로를 지시문과의 부합도를 평가·점수화하여 랭킹
• mechanism elucidation 적용 시, elementary electron-pushing steps를 LLM으로 평가하여 화학적 타당성에 기반한 메커니즘 검색 유도
• 전문가 화학자 평가를 통한 정성적 검증 (36명 참여)

Originality

• LLM을 화학 구조 생성이 아닌 전략적 평가자로 재정의하여, 기존 계산 화학 도구와의 상호보완적 통합 달성
• 자연어 기반 화학 전략 지시문을 통한 사용자-친화적 인터페이스 제시로 프로그래밍 비전문가 화학자 접근성 확대
• retrosynthesis planning과 mechanism elucidation 두 전혀 다른 과제에 동일한 LLM 평가 패러다임 적용하여 범용성 입증
• 36명 독립 전문가 평가를 통한 검증으로 인간 전문성과의 정량적 비교 수행

Limitation & Further Study

• 현재 71% 전문가 일치율은 완전 자동화 수준이 아니며, 복잡한 다중 제약조건 상황에서의 확장성 미검증
• mechanism elucidation에서 radical 및 pericyclic 메커니즘 미포함, elementary step 평가 기반으로 고급 화학 현상 처리 제한
• LLM 평가 기반으로 인한 '환각(hallucination)' 위험성 및 일관성 문제 미분석", '후속 연구 방향: (1) 실험 데이터와의 closed-loop 피드백 시스템 구축, (2) post-hoc 필터링에서 검색 알고리즘의 직접 유도로 확대, (3) radical 및 pericyclic 메커니즘 확장, (4) 복잡한 다중 타겟 합성 시나리오 검증

Evaluation

총평: LLM을 화학 추론 엔진으로서 전략적으로 재정의하여 기존 계산 화학과의 실용적 통합을 달성한 혁신적 연구이며, 전문가 검증을 통한 신뢰도 확보와 자연어 인터페이스를 통한 접근성 확대로 화학 자동화 분야에 상당한 임팩트를 미칠 수 있다.