点石反应数据库全面接入书生·端砚，反应可查、条件可比、原文可验！AI科研“伙伴”更智能-优快云博客

近日，上海人工智能实验室（上海AI实验室）推出点石反应数据库（DianShi-RxnDB），一个大规模、细粒度的有机反应数据库。

科研团队依托自研化学信息抽取工具MinerU.Chem，把覆盖1976年至2025年间公开的约158万篇有机合成专利，全自动变成约2400万条带段落级溯源的细粒度反应实例，其中1480万条（61.7%）通过自动化合格性检查。每个实例均包含反应参与物、用量、实验条件、产率和操作步骤等五类关键信息，并关联来源专利及原文位置，关键信息人工抽查准确率达92.95%。

点石反应数据库采用“人机双原生”设计，兼顾人工检索与AI智能体调用场景：科研工作者可直接通过网页端检索反应先例、比对实验条件并回溯原文核验；AI智能体则可依托MCP服务调用数据库能力，目前该能力已全面接入书生·端砚科学发现平台。

体验链接：Intern InkStone
技术报告：[2609.06703] DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents

结构化反应数据的供给难题

有机化学研究中，科研人员通常围绕目标产物或反应类型，遴选可参考的合成方法。仅依靠反应式仅能获知反应物与产物信息，不足以评判合成方法的实际可用性。反应物料、试剂、催化剂、溶剂的种类与用量，反应温度、时长等实验条件，以及详细操作步骤与最终产率等关键信息，共同决定了反应实例的可复现性、可对比性与可核验性。

但目前，各类实验数据零散分布在论文与专利的不同位置，分散于正文、图表、反应图式与实验步骤中。同一反应的完整信息往往跨多类载体呈现，记录格式与表述方式缺乏统一。这不仅要求科研人员反复回溯原文逐一核查，也导致人工智能难以直接读取、比对与调用反应信息。科研真正需要的，是结构化、可检索的AI-Ready数据。

当前科研人员获取结构化有机反应数据的渠道，主要分为公开数据集与商业数据库两类。公开数据集免费开放，但普遍存在数据规模有限、提取质量参差、实验字段缺失、溯源精度仅达文档级等问题，且文献覆盖大多滞后十年以上；商业数据库数据体量更大、整理更为规范系统，但存在付费门槛，同时受限严格的机器访问与批量调用限制，难以满足科研与AI建模的规模化使用需求。

代表性有机反应数据资源比较

点石反应数据库正是为破解这一难题而生：面向非商业科研场景免费开放，从专利文献中萃取零散的实验信息，构建大规模、细粒度、可追溯的AI-Ready反应数据库。

约2400万条细粒度反应实例，夯实科学智能数据底座

点石反应数据库以单步独立实验为最小记录单元，整理形成约2400万条结构化反应实例。所谓细粒度，即数据库中的每条记录均完整收录反应参与物、物料用量、实验条件、产率、操作步骤与文献溯源信息，支撑反应检索、实验条件比对、原文核验及AI调用等各类应用。

反应实例萃取自专利文本、附图与反应图式内的实验信息。数据库依托全自动信息抽取与数据规范化管线，识别、整理并关联多载体化学信息，将碎片化实验记录转化为标准结构化数据。专利原始数据由实验室自研科学智能数据库Sciverse汇聚，数据源包括美国专利商标局（USPTO）和欧洲专利局（EPO），主体覆盖1976—2025年公开的有机合成相关专利；专利实验文本主要由大模型完成抽取，图片和反应图式中的化学信息由智能文档解析引擎MinerU面向化学场景开发的衍生工具MinerU.Chem提供识别与解析支持，其中大模型部署于华为昇腾 910C 算力，并借助 DeepLink 超智融合算力平台完成软硬件适配与推理运行。

点石反应数据库通过全自动管线，将海量专利文献转化为大规模、细粒度、可追溯的结构化反应实例

在约2400万条反应实例中，1480万条通过了自动合格性判定，即成功生成原子映射并通过原子守恒等规则检查。为量化评估数据质量，团队从中随机抽样1300条，****由有机化学专业人员针对产率、反应物、试剂、催化剂、溶剂五类关键字段开展人工复核，整体准确率达92.95%。

除信息抽取的高准确度外，每条反应实例均与对应专利原文的具体位置建立锚定关联，可直接定位至相关段落与文本区域逐项核验。相较而言，商业数据库的抽取结果大多仅支持文档级溯源，无法定位到文献内部的具体段落。

结构化反应实例与来源专利原文关联呈现，可定位到相关段落或文本区域逐项对照

“人机双原生”设计，满足科研人员和AI智能体数据需求

点石反应数据库采用“人机双原生”设计：同一套结构化反应数据，科研人员可以通过网页端检索和比较，AI智能体可以通过MCP服务读取和调用。

面向科研人员，网页端支持从目标结构出发查找相关反应先例，比较不同专利中的具体反应实例及其用量、实验条件和产率。以阿司匹林为例，科研人员从其目标结构出发，可以查到不同专利报道的多种合成路线；针对同一条路线，还能并排比较各实例中的反应物、试剂、温度、时间和产率，并随时回到来源原文确认关键信息。这种使用模式，把单纯检索到反应升级为读懂并核验完整实验方案。

以阿司匹林为例，网页端支持从目标结构查找反应先例、比较具体实验记录，并查看相关来源信息

面向AI智能体，点石反应数据库依托MCP提供可组合的物质、反应和文献查询工具，支持围绕化学问题的多步检索与条件比较。目前，数据库的MCP服务已接入书生·端砚科学发现平台****。借助点石提供的专业数据与工具，书生·端砚可针对具体化学问题，自主梳理、分析反应先例、实验条件与原始文献证据，推动AI从反应信息检索和实验条件比较，走向有依据的自主科学发现，探索AGI for Science在化学研究中的应用，为基础化学研究提供支撑。