محققان در تحقیق جدید خود متوجه شدند که مدلهای زبانی کوچک (SLM) در پیشبینی خواص مولکولی، به دلیل درک ضعیف از ساختار گراف-شیمیایی، با چالش «نابینایی ساختاری» مواجه هستند.
برای حل این مشکل، آنها یک فریمورک «پرامپتنویسی با تقویت محتوا» معرفی کردهاند که به مدل اجازه میدهد از ابزارهای کمکی (GNN) استفاده کند. نتیجه؟ جهش خیرهکننده ۲۵ تا ۷۴ درصدی در دقت پیشبینیها! این یعنی ترکیبی از استدلال متنی و دقت گراف-محور، راهکاری هوشمندانه برای سرعت بخشیدن به تحقیقات دارویی است. 🧪✨
های_زبانی
منبع: arXiv AI