Los investigadores presentan SciReasoner, un modelo científico fundacional multimodal diseñado para el razonamiento estructivo nativo a través de proteínas, pequeñas moléculas y cristales inorgánicos. El modelo discretiza coordenadas, topologías y conectividades periódicas en un vocabulario unificado consciente de la estructura, tratando los tokens estructurales como unidades de evidencia direccionables durante el razonamiento.
- En la predicción de Gene Ontology controlada por homología, SciReasoner aumenta F_max de 0.42 a 0.55 para la anotación de componentes celulares de proteínas de baja homología.
- Aumenta la precisión de retrosíntesis en un solo paso de 0.63 a 0.72 mientras genera trazas de desconexión a nivel de fragmento y verificación de precursores.
- Sus representaciones separan fases elementales y compuestas y resuelven regímenes de banda alta y baja en la ciencia de materiales.
- SciReasoner alcanza el estado del arte en 67 de los 86 benchmarks.
- La evaluación experta doble ciego clasifica sus trazas de razonamiento como preferidas o comparables a un modelo de lenguaje grande de vanguardia en el 98% de los casos.
Al hacer que la estructura sea un sustrato inspeccionable para el razonamiento bajo restricciones científicas, SciReasoner conecta la predicción precisa con la inferencia científica interpretable.