Tänk dig att be en AI att sammanfatta de senaste genombrotten inom batteriteknik, bara för att den hallucinerar en koppling som aldrig funnits. För forskare är detta ett dagligt mardrömsscenario. Dagens sökmotorer returnerar långa listor på vetenskapliga artiklar, vilket tvingar forskare att manuellt jaga fram specifika fakta, verifiera deras ursprung och klissa ihop svar från spridda källor. Det är en tråkig och felkänslig process som bromsar upptäckter och riskerar att sprida desinformation.

Forskare har nu presenterat AskChem för att laga detta trasiga arbetsflöde genom att ändra den grundläggande enheten för sökning. Istället för att hämta hela dokument, bryter AskChem ner kemilitteraturen till atomära, typade påståenden. Varje påstående förankras med en specifik käll-DOI och en ordagrann citat eller en exakt platsangivelse för beviset. Detta skapar ett gemensamt påståendelager som möjliggör hierarkisk bläddring via en stabiliserad facetterad taxonomi och länkar ihop påståenden i ett bevisgraf. Systemet indexerar för närvarande 2,4 miljoner påståenden från 147 000 artiklar och erbjuder både ett webbgränssnitt och direktåtkomst för AI-agenter via REST, SDK och MCP-protokoll.

Resultaten är slående. När forskare förankrade en GPT-5.5-läsare i AskChem uppnådde systemet en DOI-upplösbarhet på 100 procent, jämfört med bara 88,3 procent utan hämtning. Det visade också den högsta citattätheten bland de fem testade systemen. Det innebär att AI-agenter nu kan syntetisera tvärvetenskapliga svar med en okänd noggrannhet, vilket eliminerar gissningsleken och den manuella verifiering som för närvarande plågar kemisk forskning.

AskChem representerar ett skifte från dokumentcentrerad sökning till påståendecentrerad infrastruktur. Genom att göra varje faktum spårbart till dess källa, ger den både mänskliga forskare och AI-agenter möjlighet att bygga kunskap på en solid grund. Plattformen är nu live och erbjuder en ny standard för hur vi interagerar med vetenskaplig litteratur.