Pesquisadores apresentam um pipeline totalmente automatizado que utiliza uma estrutura multiagente de grandes modelos de linguagem para classificar reações e gerar regras em 665.901 reações de patentes dos EUA. Essa abordagem expande uma taxonomia padrão de 68 para 14.073 classes sem curadoria humana, testando cada regra contra o corpus em um loop de verificação.
- O sistema gera regras de reação sob um loop de verificação que as testa contra o corpus de 665.901 reações de patentes dos EUA.
- Ele expande a taxonomia padrão de 68 para 14.073 classes sem curadoria humana.
- Um classificador de fingerprint leve atinge 97,7% de precisão em reações não vistas, igualando um classificador proprietário líder enquanto resolve a química com maior granularidade.
O resultado é uma base de dados de reatividade viva e uma rota geral para transformar modelos generativos em sistemas simbólicos confiáveis e autoexpansíveis.