يوني-بوند: كيف تطور مشروع مدرسة صيفية لمدة أسبوعين إلى ورقة بحثية في ورشة ICML 2026
يوني-بوند هو نموذج للتنبؤ بروابط الجزيئات يتفوق على النموذج السابق الأفضل (YuelBond) بحوالي 20 مرة في معدل الخطأ التام. تم تطويره خلال مشروع مدرسة صيفية في AIRI، ثم تم تحسينه وقبوله في ورشة Graph Foundation Models في مؤتمر ICML 2026. يستخدم النموذج مشفر Uni-Mol المجمد مع رأس MLP خفيف على التمثيلات الزوجية للذرات.
بدأ المشروع في المدرسة الصيفية لمعهد AIRI بجامعة ولاية تومسك عام 2025. كان الفريق (ستيبان بافلينكو، بافيل ماسلوف، إيفان بوروف) يهدف في البداية إلى إنشاء سلاسل SMILES من الإحداثيات الذرية ثلاثية الأبعاد باستخدام نماذج اللغة الكبيرة مع الضبط الدقيق بتعزيز التعلم، لكنهم تحولوا إلى توقع الرسوم البيانية للروابط بعد ثلاثة أيام. باستخدام مشفر هندسي مدرب مسبقًا Uni-Mol (~47 مليون معلمة) ورأس MLP خفيف الوزن (~74 ألف معلمة قابلة للتدريب)، حققوا درجة F1 كبرى مقدارها 0.9997 وتطابق تام بنسبة 99.53% على معيار GEOM (تقسيم الهيكل)، مقارنة بـ F1=0.975 وتطابق تام بنسبة 83.2% لنموذج YuelBond — أي انخفاض في معدل الخطأ بحوالي 20 مرة. كما يتجنب النموذج الروابط الخاطئة في الثنائيات بعكس YuelBond. استخدم مسار موازٍ نموذج Galactica-1.3B المضبوط بدقة بتقنية LoRA مع ترميز الإحداثيات (مثل BindGPT) لتوليد مباشر لسلاسل SMILES، محققًا صلاحية أعلى من 99.7% على البيانات داخل التوزيع لكنه لم يحقق أي تطابق تام تقريبًا على الببتيدات خارج المجال. قُبل العمل في ورشة عمل النماذج الأساسية للرسوم البيانية في مؤتمر International Conference on Machine Learning 2026 في سيول.
المصدر: Habr — хаб ИИ —
الأصلي