夜雨聆风
一图速览全文：
先看结论
| 0.079 ppm | ||
| 80% | ||
| 100% | ||
这不是PPT上的演示。 这是实战结果。
今天凌晨，Anthropic发了一篇重磅研究。
主题很简单：让Claude当一个靠谱的化学家。
说实话刚看到这主题，我第一反应是——靠谱吗？
毕竟化学这领域，连一个原子位置搞错，整个分子就废了。差之毫厘，谬以千里，说的就是这行。
但看完整个研究之后，我发现Claude这次真的有点东西。
为什么化学家需要AI
先说个冷知识。
你以为化学家每天在干嘛？
穿白大褂往试管里倒液体，设计各种高大上的实验？
错。
真正泡在实验室的人清楚——大部分时间都浪费在信息整理和数据核对了。
平时做分子研究，需要频繁切换：
白板上手绘的分子结构 仪器跑出来的检测数据 数据库的检索内容 文献专利里的专业标注
明明描述的是同一个分子，呈现形式完全不同。
需要人工逐一比对转换。
繁琐、枯燥、纯体力活。
更关键的是，分子化学的严谨性远超普通人认知。
同样的原子组合，只是化学键排布方式微调——
葡萄糖就变成果糖 二者分子式一模一样，人体代谢路径天差地别
沙利度胺事件了解一下：药物的镜像分子从镇定剂变成致畸剂，造成严重悲剧。
也正是因为这些细微差异至关重要，化学家必须人工完成所有谱图核对、结构比对、数据检索工作。
如今全球化学物质数据库已收录了近三亿种化合物，每天新增上万种新物质。
依靠人力完成这些海量数据的整理分析——
效率低到离谱。
所以，AI成为加速化学科研的最佳方式之一。
核磁共振：化学家的看家本领
NMR，核磁共振，算是化学家鉴定分子结构的看家本领。
原理很简单：用磁场和无线电波去戳分子，看它们怎么回应。
然后画成一张谱图，上面一堆峰。
每个峰对应分子里的某个氢原子或者碳原子。
化学家得把谱图上的峰一个一个对应到结构图上的原子。
这个过程叫做”归属”。
纯体力活。
合成一种新化合物就得来一遍。
以前这项工作只能靠人。
现在，Claude来了。
正面对决：Claude vs 专业软件
Anthropic这次做了一个狠测试。
拿Claude跟化学家现在用的专业软件ChemDraw和MestReNova正面硬刚。
选了20种化合物。
注意，这20种化合物都是模型训练截止日期之后才发表的论文里的——防止作弊。
测试分两块：
第一块：正向预测 给你结构图，预测谱图长什么样。
第二块：反向解析 给你谱图，反推结构是什么。
这是真正考验实力的地方。
正向预测结果
结果有点出乎意料。
氢原子预测：
Claude Opus 4.7的平均误差只有0.079 ppm。
化学家认为可接受的窗口是正负0.2 ppm。
也就是说——
Claude的精度比及格线高出一倍多。
碳原子预测：
Opus 4.7和MestReNova基本打平，误差都在1.4 ppm左右。
更关键的是峰形和峰间距预测：
Claude在80%的情况下能把子峰间距猜准到半赫兹以内。
传统软件呢？
只有26%到35%。
一个有意思的细节：
氯吡嗪家族的NH-proton真实位置在6.8-7.9 ppm的窄带内。
Opus 4.7预测略低，但很稳定。
Sonnet 4.6呢？
会偏离到10-13 ppm——差了整整3 ppm。
这就是不同版本之间的差距。
反向解析：真正头疼的地方
正向预测其实相对简单，传统软件一直都能做。
反向解析才是硬菜。
给你谱图，反推分子结构。
这才是化学家真正头疼的地方。
测试设计：
15道题，8道简单+7道复杂。
简单题：单环或双片段分子，只给分子式和谱图。
复杂题：稠环、螺环等复杂结构，额外给了起始原料结构当提示。
结果：
简单题：Claude全对。
三次运行，每次都能推出正确答案。
复杂题（有提示）：
7道中4道三次全对，3道三次里对两次。
这个成绩相当可以了。
传统做反向解析的软件通常需要二维谱图，还需要专门培训。
Claude呢？
只靠一维谱图和质谱数据就能上手。
零配置，零门槛
最让我惊讶的是这个。
科研人员使用Claude做核磁解析，不需要任何特殊配置。
只需复制粘贴常规实验数据。
就能完成解析。
零配置、零门槛。
普通实验室也能直接上手使用。
对比一下：
传统软件需要：
专业培训（通常数周） 二维谱图数据 参数调优
Claude需要：
你的实验数据 一个问题：”这个谱图对应什么结构？”
就这么简单。
为什么这件事值得关注
看完研究之后，我一直在想一个问题：
为什么Anthropic选了这个切入点？
不是蛋白质折叠这种大热点——那是生物学的事。
而是核磁谱图解析。
一个化学家每天都在做、但特别费时间的脏活。
我的理解是：
正向预测省时间，反向解析省脑子。
这两块加起来，能让化学家从繁琐的归属工作里解放出来。
去干更有创造性的活。
就像当年计算器取代算盘——
不是为了让数学家失业，而是让他们腾出手来做更难的数学。
AI正在改变科研方式
这件事背后有一个更大的趋势。
AI进入硬核科研领域，不再是PPT上的演示，而是实战中的工具。
蛋白质折叠、结构解析、谱图分析——
这些曾经需要专业软件加专业培训的领域，正在被AI一个个攻破。
工具的门槛在降低。
创造的门槛在降低。
未来，一个普通实验室的化学家，用AI工具能做到的事情，可能远超今天的想象。
这不是AI要取代谁。
而是让更多人能站在同一条起跑线上。
如果你觉得这篇文章有用，欢迎转发给身边做化学或科研的朋友。
调研 & 撰写：AI（Claude）
主导 & 审校：风若水涵
创作时间：约40分钟（素材收集15分钟 + 写作25分钟）