Une boussole moléculaire pour trouver des médicaments express

Original: "SEISMO: Increasing Sample Efficiency in Molecular Optimization with a Trajectory-Aware LLM Agent"
arXiv:2602.00663 · 2026-01-31 · CC BY 4.0 · 1 min
Le programme apprend à chaque essai et trouve les molécules recherchées beaucoup plus vite.

📄 Version "Simple" affichee, "Avancé" n est pas encore prete. Ajoutez-le aux favoris pour aider a la prioriser.

Un chimiste à la recherche d'un nouveau médicament ressemble à un cuisinier sans recette : il a une liste de propriétés souhaitées, mais des millions d'ingrédients possibles. Chaque essai coûte cher et prend du temps, il faut donc procéder avec méthode.

Le nouveau programme SEISMO agit comme un cuisinier qui goûte le plat après chaque étape et décide aussitôt quoi ajouter ensuite. Il n'attend pas d'avoir accumulé toute une série d'essais, mais modifie la molécule après chaque mesure. En parallèle, il garde en mémoire tout le parcours : ce qui a déjà été tenté, ce qui a fonctionné, ce qui n'a pas marché.

Lors d'essais sur 23 problèmes, SEISMO a atteint les propriétés souhaitées 2 à 3 fois plus vite que les programmes précédents, frôlant souvent le maximum en 50 essais.

Si l'on explique au programme, en toutes lettres, pourquoi une molécule ne convient pas — par exemple, « elle se dissout trop mal dans l'eau » — il trouve la solution encore plus vite. Cela signifie que les conseils d'un chimiste expérimenté aident le programme autant que les mesures elles-mêmes.

Cette approche pourrait accélérer la recherche de médicaments et d'autres molécules utiles, en économisant du temps et des expériences coûteuses.

Le programme SEISMO doit son nom au sismographe : de même que l'instrument capte les moindres vibrations du sol, l'algorithme capte les moindres améliorations des propriétés d'une molécule.

Scientifiques
Erwin SchrödingerHugh Everett III
Notions
optimisation découverte de médicaments par IA optimisation des ressources en informatique quantique maximum de vraisemblance conception de médicaments enzyme algorithme génétique médecine personnalisée apprentissage actif SLAM médecine simulation atomistique échantillonnage d'importance agent modèle de langage protéique modélisation stochastique automatisation taille de l'échantillon accélération de la dynamique moléculaire régression symbolique