
Courtesy of NatureMagazine
MOSAIC: AI Baru Mempercepat Sintesis Kimia untuk Obat dan Material Baru
Mempercepat dan mempermudah proses sintesis kimia melalui sistem AI yang mampu memberikan instruksi laboratorium lengkap untuk membuat molekul baru, sehingga dapat mendorong penemuan produk seperti obat, agrokimia, dan kosmetik lebih cepat dan efisien.
29 Jan 2026, 07.00 WIB
156 dibaca
Share
Ikhtisar 15 Detik
- MOSAIC dapat mempercepat proses sintesis kimia yang penting dalam penemuan obat.
- Sistem ini mampu menghasilkan instruksi laboratorium yang lengkap dan praktis.
- Pendekatan MOSAIC menggunakan model-model kecil yang lebih akurat untuk tugas spesifik dalam kimia.
New Haven, United States - Sintesis kimia adalah proses penting dalam menciptakan molekul kompleks dari bahan sederhana, yang sering digunakan untuk membuat obat, pupuk, dan kosmetik. Proses ini biasanya memakan waktu lama karena harus menelusuri banyak reaksi kimia dan menguji apakah senyawa baru bisa dibuat. Kini, para peneliti telah menciptakan sistem AI bernama MOSAIC untuk mempercepat dan menyederhanakan proses ini.
MOSAIC berbeda dari sistem AI sebelumnya karena mampu memberikan instruksi laboratorium secara lengkap dan rinci, sehingga para ilmuwan bisa langsung mengikuti instruksi tersebut tanpa perlu banyak percobaan tambahan. Sistem ini berhasil membuat 35 senyawa yang berpotensi menjadi produk baru tanpa harus mengubah atau menyesuaikan kondisi reaksi secara manual.
Teknologi ini menggunakan pendekatan unik dengan memecah database besar yang terdiri dari satu juta reaksi kimia menjadi lebih dari dua ribu subset yang lebih kecil. Kemudian, model AI yang lebih kecil dan khusus dilatih untuk setiap subset tersebut, sehingga memberikan hasil yang lebih akurat dibandingkan menggunakan satu model besar yang sama untuk semua reaksi.
Pendekatan ini memungkinkan MOSAIC berjalan secara lokal tanpa memerlukan sumber daya komputasi sangat besar seperti yang dibutuhkan model-model AI lanjutan lainnya. Dengan demikian, sistem ini bisa digunakan lebih luas di berbagai laboratorium tanpa harus bergantung pada infrastruktur komputasi berat.
Para peneliti berharap langkah berikutnya adalah mengintegrasikan instruksi yang dihasilkan MOSAIC ke dalam sistem laboratorium otomatis, yang akan semakin mempercepat proses pembuatan molekul baru dan membantu pengembangan obat atau material inovatif dengan cara yang lebih efisien.
Referensi:
[1] https://nature.com/articles/d41586-026-00240-5
[1] https://nature.com/articles/d41586-026-00240-5
Analisis Ahli
Martin Seifrid
"MOSAIC menarik karena menghindari penggunaan model besar dan memilih sistem model kecil yang spesifik sehingga menghasilkan akurasi lebih tinggi di domain masing-masing."
Analisis Kami
"Pendekatan MOSAIC yang menggunakan banyak model kecil ahli benar-benar revolusioner dibandingkan model besar yang selama ini dominan, karena lebih efisien dan fokus. Ini menandai era baru AI dalam kimia yang tidak hanya mendukung teori tapi juga menghasilkan aplikasi praktis yang bisa langsung diandalkan di laboratorium."
Prediksi Kami
Dengan kemajuan ini, sintesis kimia dapat menjadi lebih cepat, akurat, dan terotomatisasi, mendorong perkembangan obat dan material baru secara signifikan dalam beberapa tahun ke depan.
Pertanyaan Terkait
Q
Apa itu MOSAIC?A
MOSAIC adalah sistem AI yang dirancang untuk menyederhanakan dan mempercepat proses sintesis kimia.Q
Bagaimana MOSAIC membantu dalam sintesis kimia?A
MOSAIC membantu dengan merekomendasikan kondisi yang diperlukan untuk menghasilkan senyawa-senyawa kimia tanpa perlu pengujian atau penyesuaian lebih lanjut.Q
Apa peran Timothy Newhouse dalam penelitian ini?A
Timothy Newhouse adalah co-author penelitian ini dan seorang ahli kimia yang menjelaskan manfaat MOSAIC dalam mengatasi hambatan dalam penemuan obat.Q
Apa saja produk yang dapat dihasilkan dari penggunaan MOSAIC?A
Produk yang dapat dihasilkan termasuk obat-obatan, agrokimia, dan kosmetik.Q
Seperti apa pendekatan yang digunakan oleh MOSAIC dibandingkan dengan model AI lainnya?A
MOSAIC menggunakan model-model ahli yang lebih kecil dan terfokus, berbeda dengan pendekatan model AI besar yang umumnya digunakan.




