从“是什么”到“为什么”：一种基于证据的化学反应条件推理的多智能体系统

化学反应推荐是指为化学反应选择合适的反应条件参数，这对于加速化学科学至关重要。随着大型语言模型（LLMs）的快速发展，人们越来越有兴趣利用它们的推理和规划能力来进行反应条件推荐。尽管取得了成功，但现有方法很少解释推荐反应条件的原理，这限制了它们在高风险科学工作流程中的应用。在这项工作中，我们提出了 ChemMAS，一个将条件预测重构为基于证据的推理任务的多智能体系统。ChemMAS 将任务分解为机械基础、多通道回忆、约束感知智能体辩论和原理聚合。每个决策都由基于化学知识和检索到的先例的可解释理由支持。实验表明，ChemMAS 在 Top-1 准确率方面比领域特定的基线提高了 20-35%，比通用 LLMs 提高了 10-15%，同时提供了可证伪、人类可信的原理，为科学发现中的可解释人工智能树立了新范式。