آیا تا به حال به این فکر کردهاید که مدلهای زبانی چگونه دنیای پیچیده شیمی (SMILES) را درک میکنند؟ پژوهش جدیدی نشان میدهد که در برخلاف تصور رایج، استفاده از توکنایزرهای معمولی مثل BPE (که در متون عادی استفاده میشوند) برای دنیای مولکولها بهترین گزینه نیست!
محققان با مقایسه دقیق بین BPE و Unigram-LM دریافتند که این دو الگوریتم در حوزه شیمی بسیار متفاوت عمل میکنند. نتایج نشان میدهد که انتخاب روش قطعهبندی (Segmentation) یک «تصمیم مدلسازی» هوشمندانه است، نه یک تنظیمات پیشفرض ساده. این تحقیق مسیر جدیدی برای بهبود عملکرد مدلهای هوش مصنوعی در درک ساختارهای شیمیایی باز میکند.
منبع: arXiv Machine Learning