في عالم الكيمياء التحليلية، تُعتبر تقنية الرنين المغناطيسي النووي (NMR) معيارًا ذهبيًا لفهم التركيب الجزيئي. ومع ذلك، لا تزال عملية تحليل الطيف المعقد للمركبات غير المعروفة تعتمد بشكل كبير على الخبرة البشرية، مما يُعد نقطة اختناق حقيقية. بفضل التطورات التي أُدخلت في مجال الذكاء الاصطناعي، تبرز التقنيات الحالية ورقة عمل حرجة: فاسترجاع البيانات من قواعد البيانات لا يمكنه تحديد الهياكل الجديدة، بينما تعتمد نماذج تحديد التركيب الجزيئي من الصفر على نماذج غير شفافة تفتقر إلى القدرة على تفسير البيانات على مستوى الذرات.

من هنا، يظهر NMRAgent كحل مبتكر يقوم على دمج أدوات التحليل الطيفي المتخصصة مع الرسوم البيانية الكيماوية. هذا الوكيل المعتمد على نماذج اللغات الكبيرة (LLMs) لا يمثل مجرد نموذج تقني، بل يحاكي الاستدلال الاستنتاجي للخبراء البشر. فبعد استلامه لطيف NMR وصيغة جزيئية، يقوم NMRAgent بالتخطيط لعملية التحليل واقتراح الهياكل المحتملة، ثم يتحقق من اتساق الذرات مع القمم ويوازن بنية التركيب من خلال تحسين القطع المعتمدة على الصيغة.

لقد أثبت NMRAgent نجاحه من خلال تحقيق تحسين بنسبة 46.5% في دقة أفضل التخمينات وزيادة بنسبة 0.502 في تشابه Tanimoto عند اختباره مع هياكل جديدة في مجموعة مرجعية. لكن الفائدة لا تقتصر على الأرقام فحسب، بل تسهم أيضًا في فهم هياكل طبيعية غير معروفة سابقًا من نباتات مثل Hydrangea davidii وVitex trifolia، وصحيح الأخطاء الهيكلية في الأدبيات المعروفة.

من خلال الجمع بين الدقة العالية والتفسير الشفاف المستند إلى الأدلة، يُعيد NMRAgent تشكيل معايير الذكاء الاصطناعي القابل للتفسير في الكيمياء التحليلية ويبشر بعصر جديد من التحليل المبني على الأدلة.