Des chercheurs du MIT ont présenté une méthode d'apprentissage automatique destinée à prédire le comportement de molécules à partir de jeux de données limités. Leurs travaux ont été publiés le 14 septembre dans le Journal of Chemical Information and Modeling, selon un communiqué du MIT daté du 6 novembre 2026. Le modèle open source associé, nommé CheMeleon, est intégré à ChemProp et peut être téléchargé puis adapté par les utilisateurs. Une version antérieure du texte était en ligne depuis l'année précédente.

CheMeleon repose sur un pré-entraînement avec des données détaillées portant sur un million de molécules issues de PubChem, une base maintenue par les National Institutes of Health américains. Le modèle apprend des corrélations entre structure moléculaire et environ 1 600 descripteurs chimiques, puis peut être affiné pour prédire des propriétés comme la solubilité, la viscosité ou la bioactivité. Selon les auteurs, cette approche ne nécessite pas de s'appuyer sur la littérature scientifique, contrairement à certains modèles existants.

Les chercheurs indiquent que leur modèle arrive en tête sur 58 cas de test, comparé à d'autres modèles de fondation et à des modèles classiques fondés sur des principes experts. William Green, professeur au MIT, affirme que CheMeleon réduit fortement le nombre de molécules à tester expérimentalement. L'équipe comprenait également trois chercheurs de BASF. Ces résultats portent sur une méthode de prédiction computationnelle et ne constituent pas une validation clinique.