# 策展 · X (Twitter) 🔥🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Anthropic (@AnthropicAI) · 平台：X (Twitter) · 日期：2026-06-06

> 原始來源：https://x.com/AnthropicAI/status/2062979607448682731

## 中文摘要

Claude Opus 4.7 展現了在化學領域的專業能力，其在核磁共振（NMR）光譜分析的表現已能媲美甚至超越專用軟體。

Anthropic 近期發布研究報告，探討如何透過多模態推理能力，讓 Claude 成為化學家的輔助工具。這項研究的核心在於解決化學家日常工作中繁瑣的資料轉換與分析負擔，特別是針對 NMR 光譜的判讀。

**效能評測與關鍵數據**
研究團隊以 20 種合成化學預印本中的化合物為樣本，將 Claude Opus 4.7 與業界常用的 `ChemDraw` 及 `MestReNova` 進行對比：
- 在氫原子（Hydrogen）光譜預測上，Opus 4.7 的平均誤差為 ±0.079 ppm，表現最為精確。
- 在碳原子（Carbon）光譜預測上，Opus 4.7 與 `MestReNova` 表現相當，誤差分別為 ±1.37 ppm 與 ±1.48 ppm。
- 在結構反向推導（Inverse prediction）任務中，Opus 4.7 僅憑光譜與分子式，即可成功解析較簡單的分子結構，並在提供起始原料提示的情況下，有效處理複雜的環狀結構。

**技術限制與未來展望**
儘管 Claude 在 1D NMR 分析上展現了競爭力，但報告也誠實指出目前的局限性：
- 評測樣本數有限，且未涵蓋 2D NMR 實驗及立體化學分析。
- 對於極度複雜的結構，若缺乏起始原料資訊，模型可能無法收斂至最終結構。
- 目前溶劑覆蓋範圍僅限於 `DMSO-d₆`、`CDCl₃` 與 `D₂O`。

Anthropic 強調，Claude 的目標並非取代化學家，而是協助處理日常的翻譯、回憶與整合工作。未來團隊將持續優化模型在化學結構識別、合成路徑規劃及反應機制解釋等方面的能力，並邀請相關領域研究人員透過 [scienceblog@anthropic.com](mailto:scienceblog@anthropic.com) 聯繫，共同推動 AI 在科學研究中的應用。

## 標籤

研究論文, AIGC, Claude, Anthropic, Claude