研究者らは、タンパク質、低分子、無機結晶にわたってネイティブな構造的推論を実行するために設計されたマルチモーダル科学基盤モデルであるSciReasonerを導入しました。このモデルは座標、トポロジー、周期的接続性を統一された構造認識語彙に離散化し、推論プロセス中に構造トークンをアドレス可能な証拠単位として扱います。

  • 相同性制御されたGene Ontology予測において、SciReasonerは低相同性およびオルファン様タンパク質のCellular Component注釈についてF_maxを0.42から0.55に向上させます。
  • 化学において、フラグメントレベルの切断と前駆体検証トレースを生成しながら、単一ステップ逆合成精度を0.63から0.72に引き上げます。
  • 材料科学において、その表現は元素相と化合物相を分離し、高および低バンドギャップ領域を解決します。
  • 86のベンチマーク全体で、SciReasonerは67のタスクで最先端のパフォーマンスを達成しています。
  • ダブルブラインド専門家評価では、その推論トレースが98%のケースで最前線の大型言語モデルのものと同様またはそれ以上に好まれると評価されました。

科学的制約下での推論のための検査可能な基盤として構造を活用することで、SciReasonerは正確な予測と解釈可能な科学推論を結びつけます。