Peneliti MIT bersama perusahaan kimia BASF membangun model AI bernama CheMeleon yang bisa memprediksi sifat sebuah molekul meski data eksperimen untuk sifat itu nyaris tidak ada. MIT News melaporkan model ini pada 6 November 2026. Makalahnya sendiri sudah terbit di jurnal pada 14 September 2026, dan modelnya sudah lebih dulu dipakai sejumlah perusahaan farmasi.
Ringkasan
- CheMeleon adalah model fondasi open source (sumber terbuka) dari MIT dan BASF untuk memprediksi sifat molekul saat data eksperimen sedikit.
- Model ini dilatih pada sekitar satu juta molekul dari PubChem untuk memprediksi 1.600 deskriptor kimia, lalu di-fine-tune (penyetelan lanjutan) dengan sedikit data tugas.
- Dalam 58 kasus uji, CheMeleon mengungguli model fondasi lain dan model klasik berbasis pengetahuan pakar.
CheMeleon bekerja dengan cara yang berbeda dari kebanyakan model kimia. Alih-alih dilatih dari literatur jurnal yang sudah terbit, model ini diberi data sekitar satu juta molekul dari PubChem, basis data kimia gratis milik Institut Kesehatan Nasional AS, lalu diminta memprediksi sekitar 1.600 deskriptor yang bisa dihitung — berat molekul, jumlah atom oksigen, dan sejenisnya. Deskriptor itu menjadi tugas pra-latihannya. Setelah itu, model yang sama di-fine-tune dengan sedikit data untuk memprediksi sifat yang benar-benar dicari, dari kelarutan dan viskositas sampai bioaktivitas atau reaktivitas terhadap protein dan enzim tertentu.
Tim pengembangnya membandingkan CheMeleon dengan model fondasi lain dan dengan model klasik yang dibangun dari pengetahuan pakar, pada 58 kasus uji yang relevan untuk penemuan obat molekul kecil. Hasilnya, CheMeleon keluar di atas. Model ini berukuran sekitar 10 juta parameter dan dibangun sebagai message-passing neural network (jaringan saraf tiruan yang bertukar pesan antaratom) — kecil bila dibandingkan dengan model bahasa raksasa, tapi dirancang khusus untuk struktur molekul.
BACA JUGA
Yang membuat laporan MIT ini menarik bukan hanya skornya, melainkan adopsi yang sudah terjadi sebelum makalahnya selesai melewati peer review (penelaahan sejawat). Awal 2026, organisasi OpenADMET menggelar kontes memprediksi sifat molekul yang belum pernah disintesis. Sembilan dari 20 entri teratas memakai CheMeleon dalam prosesnya. Setelah itu, menurut profesor William Green, perusahaan-perusahaan farmasi mulai menghubungi timnya. Setidaknya satu perusahaan bahkan menjadikannya kebijakan internal: kata Green, perusahaan itu berpesan ke stafnya, “Anytime you’re modeling a property, start with CheMeleon, that’s our new company policy.” (Dalam bahasa Indonesia: “Setiap kali kamu memodelkan suatu sifat molekul, mulailah dengan CheMeleon — itu kebijakan baru perusahaan kami.”)
Green menyebut CheMeleon memangkas drastis jumlah molekul yang perlu disintesis dan diuji untuk memprediksi sifat senyawa baru — keuntungan besar karena sintesis dan pengujian adalah bagian paling lambat dan mahal dalam penemuan obat maupun material. MIT sendiri tidak mengkuantifikasi besar penghematan itu, dan prediksi model tetap perlu dikonfirmasi lewat eksperimen. Peran CheMeleon adalah mempersempit daftar kandidat, bukan menggantikan laboratorium.
Tim di baliknya dipimpin mahasiswa pascasarjana MIT Akshat Shirish Zalte bersama Jackson Burns, Charlles Abreu, dan William Green, plus tiga peneliti BASF SE di Jerman — Jochen Sieg, Christian Feldmann, dan Miriam Mathea. Pekerjaan ini didukung konsorsium Machine Learning for Pharmaceutical Discovery and Synthesis, Departemen Energi AS, dan MathWorks. CheMeleon dan kerangka pra-latihannya bersifat open source dan bisa diunduh lewat ChemProp, paket machine learning yang dikembangkan dan dirawat kelompok Green di MIT.
Karena sifatnya yang terbuka, peneliti di Indonesia pun bisa mengunduh dan memakai CheMeleon untuk riset obat dan material tanpa biaya lisensi model — cukup dengan sedikit data eksperimen sendiri untuk fine-tuning. Makalah lengkapnya terbit di Journal of Chemical Information and Modeling edisi 14 September 2026, dengan versi awal yang sudah beredar daring sejak 2025.




