LightChem: A Lightweight Domain-Specific Language Model for Molecular Property and Reaction Prediction in Chemistry
Notice bibliographique
Résumé
Large language models (LLMs) have achieved breakthroughs in natural language processing, yet their use in chemistry is limited by insufficient domain knowledge, high computational demands, and poor scalability. To overcome these challenges, we developed LightChem, a lightweight model that integrates retrieval-augmented generation (RAG) and tool-calling capabilities, providing a platform driven by chemical knowledge and theoretical calculations. LightChem adopts a three-layer architecture, data aggregation, intelligent retrieval, and specialized tool integration, supported by the self-developed RAPTOR system for real-time literature updates. The platform incorporates a suite of computational modules, including automated molecular property prediction (e.g., PoLogP), retrosynthetic planning via ReSynZ, and scalable quantum chemistry packages such as CIM and GEBF, enabling high-accuracy simulations of complex systems. Case studies demonstrate successful predictions of lipophilicity, excitation/emission spectra, and synthetic pathways for drug-like molecules, while large-scale calculations reproduce binding energies in zeolite clusters and excitation energies in GFP chromophores with accuracy comparable to experimental values. Beyond core computations, LightChem features a user-friendly web interface that connects sophisticated algorithms with practical laboratory workflows. It provides modules for reagent management, synthesis assessment, safety evaluation, and experimental design, thereby lowering the barrier for non-specialists and supporting systematic research in photosensitive and functional molecules. Applications to gold nanoclusters and zeolites further highlight the platform’s potential in photocatalysis and optical materials, while also revealing current limitations in predicting HOMO–LUMO gaps and optical properties of complex aggregates. LightChem demonstrates good performance in molecular property prediction, retrosynthetic planning, and large-scale quantum simulations, making it a versatile assistant for chemical research, bridging knowledge-driven reasoning with first-principles accuracy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».