Proc. Natl. Acad. Sci. | 通用化学合成机器的构建与实现

DRUGONE

化学合成至今仍然类似于“手工艺”，每一个目标分子都需要定制化设备、临时设计的实验方案以及大量试错过程。研究人员指出，这并不是化学本身的固有限制，而是缺乏统一计算框架所致。为此，本文提出了一种全新的理论与实践体系——Chemputer 与 Chemputation，将化学合成重新定义为一种可编程、可执行的计算过程。

在该框架中，化学反应被视为“代码执行”，而化学装置则成为“可编程硬件”。研究人员证明，只要具备足够的试剂集合、反应条件以及实时误差校正机制，Chemputer 可以在有限时间内合成任意稳定且可分离的分子，并能够达到可检测的产量。这一能力被形式化为“化学合成图灵机”。通过将该体系与组装理论相结合，研究人员进一步建立了分子信息复杂度与合成资源之间的定量关系，并展示了超过100个化学程序的实际执行结果。这一研究奠定了“可编程化学”的基础，使化学合成能够像软件一样被编写、共享和验证。

传统化学自动化已经取得了显著进展，例如肽合成、DNA合成以及流动反应系统等。这些系统在特定任务中表现出高度效率，但本质上仍属于“专用机器”，其功能被硬编码在硬件结构中。

研究人员通过一个形象的类比指出，这些系统类似于“算盘”：可以执行固定操作，但无法进行通用计算。而真正的计算机则依赖于通用指令集，通过软件实现任意计算。

当前化学自动化面临的核心问题在于：缺乏一个能够抽象描述所有化学过程的统一编程体系。现有系统通常从硬件出发设计流程，难以实现跨平台复用和通用表达。

因此，研究人员提出一种新的视角：将化学合成本身视为一种计算过程。

在这一框架中：

• 试剂被视为数据；
• 反应条件被视为控制逻辑；
• 实验设备被视为执行指令的硬件。

通过引入“化学编译器（chempiler）”，可以将抽象的反应路径转化为具体的硬件执行流程，从而实现真正的“数字化化学”。

图1：算盘、DNA合成仪与肽合成仪类比。

Chemputer 的计算框架

化学合成图灵机（CSTM）

研究人员提出“化学合成图灵机”作为理论基础，将化学过程形式化为一种状态机。该系统由一系列“容器”（类似图灵机中的带）构成，每个容器可以执行四种基本操作：加入物质、移除物质、输入能量和移除能量。

通过这些基本操作，可以组合出所有常见的化学实验步骤，例如萃取、蒸馏、结晶等。

这一抽象模型使得所有化学反应都可以被统一表示为状态转换过程，从而实现可编程化。

图2：化学合成图灵机结构示意。

通用化学计算原理

研究人员进一步提出“通用化学计算原理”，即：

对于任意一个目标分子，只要其是稳定且可检测的，就一定存在一条有限步骤的合成路径，使其能够通过 Chemputer 实现。

这一结论意味着，化学合成在理论上具备“图灵完备性”，能够像计算机一样执行任意可计算过程。

硬件与编译机制

Chemputer 的硬件被表示为一个图结构，其中节点代表反应器、分离器等模块，边代表物质和能量的流动。

通过“chempiling”过程，抽象的化学程序可以被映射到具体硬件配置，实现自动执行。

图4：Chemputer 硬件网络结构。

动态误差校正（DEC）机制

化学合成不可避免存在误差，尤其在多步反应中，误差会逐步累积。为此，研究人员提出动态误差校正机制。

该机制通过实时传感器（光谱、色谱、温度等）持续监测反应状态，并在检测到偏差时自动调整条件或回退步骤。例如：

• 小偏差会触发参数微调
• 中等偏差会引入额外试剂或延长反应时间
• 严重偏差则可能回滚到前一步重新执行

这一闭环控制系统使得复杂分子的自动合成成为可能。

分子复杂度与组装指数

研究人员提出，分子的复杂度可以通过“组装指数”来衡量，该指标描述构建分子所需的最小信息量。

随着复杂度增加，合成过程中对精度的要求呈指数增长。因此，误差控制成为实现复杂分子合成的关键。

图6：组装复杂度与错误累积关系。

从理论到实际验证

研究人员分析了117个实际执行的化学合成程序，验证了该框架的通用性。

这些实验涵盖了多种典型反应类型，包括碳–碳键形成、杂环构建以及功能基团修饰等，反应条件跨度广泛。

结果显示：

• 化学操作可以被归纳为有限的基本操作集合；
• 合成复杂度与操作数量呈线性关系；
• 同一硬件平台可以执行高度多样化的化学反应。

此外，研究人员还展示了不同复杂程度的分子合成实例，证明该系统能够统一描述从简单反应到多步复杂合成的全过程。

化学进入“编程时代”

本研究的核心贡献在于重新定义了化学合成的本质：从经验驱动的实验操作，转变为可编程、可验证的计算过程。

通过引入通用编程语言、统一硬件架构以及误差校正机制，Chemputer 打破了传统化学自动化的局限，使得化学合成具备以下特征：

• 可复现：实验过程可以作为代码共享；
• 可验证：结果可以通过计算验证；
• 可扩展：不同系统之间可以互操作。

然而，该体系在实际应用中仍面临挑战，例如硬件复杂性、系统扩展性以及软件与硬件的协同控制等问题。

尽管如此，这一框架为未来“数字化化学”和“自驱动实验室”提供了坚实基础，使化学空间能够像信息空间一样被系统化探索。

整理 | DrugOne团队

参考资料

L. Cronin,S. Pagel, & A. Sharma, Chemputer and chemputation—A universal chemical compound synthesis machine, Proc. Natl. Acad. Sci. U.S.A. 123 (15) e2511080123,

https://doi.org/10.1073/pnas.2511080123 (2026).

内容为【DrugOne】公众号原创｜转载请注明来源