Los investigadores han presentado SciReasoner, un modelo fundacional científico multimodal diseñado para realizar razonamiento estructural nativo en 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 proceso de razonamiento.
- En la predicción de Ontología Génica controlada por homología, SciReasoner aumenta F_max de 0.42 a 0.55 para la anotación de Componente Celular de proteínas de baja homología y tipo huérfano.
- Para la química, eleva 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.
- En ciencia de materiales, sus representaciones separan fases elementales y compuestas y resuelven regímenes de banda alta y baja.
- A través de 86 benchmarks, SciReasoner alcanza un rendimiento de vanguardia en 67 tareas.
- La evaluación a doble ciego por expertos califica sus trazas de razonamiento como preferidas o al menos comparables con las de 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.