CheMeleon, le modèle open source du MIT et de BASF qui prédit les propriétés des molécules à partir de peu de données

Des chercheurs du MIT et du chimiste allemand BASF ont présenté CheMeleon, un modèle open source qui prédit les propriétés de molécules lorsque l'on ne dispose que de peu de données expérimentales pour une tâche donnée. Le MIT a mis ces travaux en avant le 6 novembre. L'étude a paru dans le Journal of Chemical Information and Modeling, en ligne le 7 août puis dans le numéro du 14 septembre. Une prépublication figurait sur arXiv depuis juin 2025.

Comment fonctionne le modèle

En chimie, l'apprentissage automatique bute souvent sur le coût des mesures, par exemple de toxicité ou de solubilité, qui ne sont généralement disponibles qu'en petits volumes. CheMeleon aborde le préentraînement autrement. Plutôt que d'apprendre à partir de mesures expérimentales bruitées ou de simulations de chimie quantique, il a été entraîné sur environ un million de molécules de la base PubChem à prédire près de 1 600 descripteurs moléculaires, des grandeurs numériques que des logiciels calculent directement à partir d'une structure. D'après le dépôt de code du projet, ces descripteurs proviennent du paquet Mordred. Leur calcul a demandé environ 500 heures de CPU, et le préentraînement quelque 1 000 heures de GPU.

Le modèle obtenu compte environ 10 millions de paramètres et repose sur des réseaux de neurones à passage de messages dirigé. L'utilisateur l'affine ensuite sur son propre petit jeu de données. Dans l'article, les auteurs l'ont évalué sur 58 jeux de données des bancs d'essai Polaris et MoleculeACE. Sur les tâches Polaris, ils font état d'un taux de victoire de 75 %, contre 68 % pour Random Forest, 36 % pour fastprop et 32 % pour Chemprop. Sur les essais MoleculeACE, ils annoncent 97 %, contre 50 % pour Random Forest.

Adoption et disponibilité

William Green, professeur de génie chimique au MIT et responsable du groupe, affirme que neuf des vingt meilleures participations à un concours OpenADMET organisé plus tôt cette année ont utilisé CheMeleon pour prédire les propriétés de molécules encore jamais synthétisées. Ce chiffre provient de William Green, cité dans l'annonce du MIT ; les résultats publiés par OpenADMET n'ont pas été vérifiés pour cet article. L'équipe comprend aussi Akshat Shirish Zalte, doctorant au MIT, ainsi que Jochen Sieg, Christian Feldmann et Miriam Mathea, scientifiques chez BASF.

Le code est publié sous licence MIT, et les poids sont archivés sur Zenodo. Chemprop, le logiciel maintenu par le groupe de Green, charge le modèle avec une simple option en ligne de commande. Sa documentation précise que chaque époque d'entraînement prend plus de temps, le modèle étant plus volumineux. Les concepteurs présentent CheMeleon comme un moyen de resserrer la liste des molécules candidates, et non de remplacer l'expérience. Les composés prometteurs doivent toujours être synthétisés et testés en laboratoire.