Foundation Model for Chemical Manufacturing
Yoneda Labs · 程式設計
Yoneda Labs 的 Foundation Model for Chemical Manufacturing 會預測能拉高產率的反應條件，資料來自真實實驗，而非文獻猜測。
關於 Foundation Model for Chemical Manufacturing
About
什麼是 Foundation Model for Chemical Manufacturing
Yoneda Labs 打造的 Foundation Model for Chemical Manufacturing 就是一套化學反應模型：它從真實實驗中學習，告訴化學家該用什麼溫度、濃度、催化劑、配體、鹼與溶劑，才真的能做出目標分子。
公司 2023 年在舊金山成立，三位創辦人都來自劍橋大學，2024 年 4 月完成 400 萬美元種子輪，由 Khosla Ventures 領投。蘇格蘭裔美籍化學家 Scott E. Denmark 教授擔任顧問。
它處理的是個老問題，而且很貴。化學家從文獻抄條件，文獻卻幾乎不給完整配方，接著花好幾週一次只調一個變數。Yoneda 的做法是自己產資料：以化學 AI 累積數千次高通量實驗，全部餵給規劃器，由它決定下一個實驗做什麼。
限制也要講清楚。覆蓋範圍集中在團隊實際跑過的有機轉換，遇到罕見反應類型，還是得回到傳統篩選。價格不公開，也不能自行註冊，軟體是透過展示與試行專案進到公司裡。小型學術團隊大概很難攤平成本。
開始使用
- 在 Yoneda Labs 網站預約展示，帶著一個已經卡住的反應去。團隊會判斷單靠軟體夠不夠，還是需要一輪實驗室作業。
- 上傳既有的實驗紀錄；手上還沒有資料的話，從新的受質開始。
- 設定設備真的能動的變數，例如溫度、溶劑、配體、鹼與催化劑用量。
- 檢視系統建議的實驗批次，在自己的通風櫥跑，或交給 Yoneda 的高通量實驗室。
- 把產率回填。模型會更新，然後提出規模更小的第二輪。
產品資訊
快速了解 Foundation Model for Chemical Manufacturing 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 藥物化學家
- 製程化學團隊
- CRO 與 CDMO 團隊
任務
- 救回低產率的交叉偶聯
- 在多條候選路線間取捨
- 用通用條件鋪化合物庫
- 把條件往量產推進
情境
- 每週一輪優化、廠內沒有自動化設備
- 新化學系列早期的路線選擇
- 團隊沒有專職高通量小組
主要功能
反應產率預測
把受質組合丟進模型，它會在任何東西碰到玻璃器皿之前，先依預期產率排出條件順序。排名背後是數萬次自家實驗，主要落在過渡金屬催化。2025 年與 CRO 廠 Symeres 的合作中，建議條件讓一組交叉偶聯的即時產率從大約 30% 拉到 90% 以上。
貝氏實驗規劃
每一輪實驗都是為了讓模型學到最多。貝氏優化會撥一點力氣去試沒碰過的条件，其餘壓在看起來有機會的方向，所以一輪專案常常兩三批就有可用的數字。Symeres 回報有四組不同條件突破 90%，比他們平常的單因子或實驗設計流程更快找到。
會從你的工作檯學習的軟體
Yoneda 的應用程式，也就是那套化學反應優化軟體，不需要完整歷史資料才能開工。它吸收化學家本來就會產生的結果，專案跑得越久，模型越貼近你的化學。每週跑二十個反應的團隊，最後會有一份專屬於自己的模型。
資料敏感場景的離線部署
藥廠不會把結構送上自己管不到的雲端。程式完全離線跑在化學家的電腦上，自家演算法也留在那台機器。這一項設計，往往是資安審查能過的關鍵。
高通量實驗室服務
Yoneda 自己經營實驗室：惰性氣體下的手套箱化學、固體與液體自動分注，加上自有的 LC-MS、NMR 與製備級 HPLC。不想自己建自動化設備的團隊，把整批實驗交出去，拿回純化化合物或一張條件表。這間實驗室同時也是模型的資料來源。
路線探索與化合物庫工作
逆合成工具會丟回五種看似合理的切法，卻沒有一個能信賴的排序。Yoneda 用真實物料把候選路線正面對決，告訴你哪一條真的撐得住。同一個團隊也做化合物庫前置，把代表性受質範圍收斂成幾組通用條件，另外承接含純化的整庫合成。
優缺點
優點
- 建議以一小串實驗的形式送來，不是丟一張 500 孔盤要你自己解讀。
- 產率改變以週計算: Symeres 那組交叉偶聯從約 30% 走到 90% 以上。
- 用你本來就有的資料，模型還能留在自己的機器上。
- 有實驗室那一側，篩選可以外包，不必先買機械手臂。
- 中型製程團隊養不起專職高通量小組，也能用得起。
缺點
- 反應覆蓋範圍相對每年合成超過一千萬種化合物來說仍窄，特殊化學還是得人工篩選。
- 價格不公開、沒有自助試用，每次評估都得先跟業務談一輪。
- 沒有公開 API，想接進自家電子實驗紀錄的團隊會卡住。
- 預測來自小規模盤面，混合、熱傳等放大問題還是落在工程師身上。
常見問題
預測反應結果。給定一組受質，它會依預期產率排列溫度、濃度、催化劑、配體、鹼與溶劑的組合，並挑出接下來最能讓模型進步的實驗。
相關內容
探索與 Foundation Model for Chemical Manufacturing 相關的工具、技能與文章。
Foundation Model for Chemical Manufacturing 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改，看著預覽確認結果，再以 Pull Request 交回工程團隊。
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
GitGlow
GitGlow · 程式設計 · 生產力GitGlow 是桌面版 Git 用戶端，把你自己的程式碼與 AI 代理程式的變更集中在同一份審查裡，讓你在交付前看清楚機器上究竟要送出什麼。