Los investigadores presentan SciReasoner, un modelo fundacional científico multimodal que realiza razonamiento estructural nativo sobre proteínas, pequeñas moléculas y cristales inorgánicos mediante la discretización de coordenadas y topologías en un vocabulario unificado consciente de la estructura.

  • En la predicción de Gene Ontology controlada por homología, aumenta F_max de 0.42 a 0.55 para la anotación de Componente Celular de proteínas de baja homología.
  • 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.
  • Sus representaciones separan fases elementales y compuestas y resuelven regímenes de brecha de banda alta y baja en la ciencia de materiales.
  • SciReasoner alcanza un rendimiento de estado del arte en 67 de los 86 benchmarks, con evaluación experta que prefiere sus trazas de razonamiento en el 98% de los casos.

Al hacer de la estructura un sustrato inspeccionable para el razonamiento bajo restricciones científicas, el modelo conecta la predicción precisa con la inferencia científica interpretable.