Un laboratori autònom busca la millor manera de fer una reacció química provant combinacions de condicions, i cada prova pot costar hores. Els algoritmes que trien quina prova toca fer, com l'optimització bayesiana, aprofiten poc el que els químics ja saben d'ofici, perquè traduir-ho a model matemàtic exigeix saber programar.
L'Institut Coreà de Recerca en Tecnologia Química (KRICT), amb Gwang-Noh Ahn i Amirreza Mottafegh, ha publicat al *Journal of Chemical Information and Modeling* (DOI 10.1021/acs.jcim.6c00976) un marc en què un model de llenguatge converteix els consells de l'expert, escrits en llenguatge corrent, en restriccions i informació prèvia per a l'algoritme. Un mecanisme de control comprova si aquests consells concorden amb les dades dels experiments i, si es contradiuen prou, els desactiva i torna a la cerca guiada només per les dades. Hi ha una interfície de diàleg per ajustar els experiments mentre l'optimització avança.
En proves amb dades reals, però en un entorn virtual, els investigadors diuen que per a una reacció multicomponent de tipus Ugi els intents necessaris per arribar al rendiment desitjat van baixar d'unes 30 a menys de 10, i que per a uns compostos conductors de polímer i nanotubs de carboni van passar d'unes 20 a entre 3 i 5. Segons l'equip, equival a tenir uns 40 punts de dades previs i podria estalviar uns 20 dies d'exploració en catalitzadors que tarden mitja jornada o més per prova.
Els límits són clars: tot s'ha validat amb simulacions de només dos sistemes químics, la validació amb equips físics encara és pendent i els 20 dies d'estalvi són una estimació derivada de les proves virtuals. El mecanisme de control només descarta un consell dolent quan s'acumula prou evidència en contra, de manera que una pista errònia pot influir en els primers experiments.