埋まってないよ。これは「グラウンディング」と言って、AIの知識を現実の正確なデータ、つまりここでは化学反応のデータベースに結びつけるって意味だよ。

そこが問題なんだ。LLMは自信満々に嘘をつく「ハルシネーション」を起こすし、最新の化学反応を知らないこともある。だから、正確な「知識グラフ（KG）」を使って、正しい情報を引っ張ってくる必要があるんだ。

「Text2Cypher」という手法を使うんだ。人間が「この薬の作り方は？」って聞くと、LLMがそれを「Cypher」っていうグラフ専用の検索言語に翻訳して、データベースに問い合わせるんだよ。

ただのクエリ言語だけどね。この論文では、分子と反応を別々のノードとしてつなぐ「二部グラフ」という構造を使って、1段階の反応だけじゃなく、何段階も続く複雑な合成ルートも探せるようにしたんだ。

「分子」と「反応」という2つのグループがあって、分子は反応につながり、反応はまた別の分子につながる……という風に交互に並ぶグラフのことだよ。これで化学反応の流れを正確に表現できるんだ。

面白い結果が出たよ。何も例を教えない「Zero-shot」だと失敗が多いけど、1つだけ正解の例を見せる「One-shot」にするだけで、精度がめちゃくちゃ上がったんだ。特に複雑な多段階ルートの検索でね。

亜美さんと比較するのはさておき、特に「似たような質問の例」を見せると効果的だったらしい。あと、AIが自分で間違いを直す「自己修正ループ」も試したけど、良い例を見せることほどは効果がなかったんだって。

その可能性はあるね。この研究は、LLMの推論能力と知識グラフの正確さを組み合わせるためのガイドラインになる。ただ、まだ「間違いをチェックする機能」が完璧じゃないから、そこが今後の課題かな。

それは化学反応じゃなくて、魔法の領域だよ。ハルシネーションを見るのはAIだけにしてくれ。