Uni-Bond: Cómo un proyecto de escuela de verano de dos semanas se convirtió en un artículo del taller ICML 2026
Uni-Bond es un modelo de predicción de enlaces en grafos moleculares que supera al estado del arte anterior (YuelBond) aproximadamente 20 veces en tasa de error de coincidencia exacta. Desarrollado durante un proyecto de escuela de verano en AIRI, fue refinado posteriormente y aceptado en el taller de Graph Foundation Models en ICML 2026. El modelo utiliza un codificador Uni-Mol congelado con una cabeza MLP ligera sobre representaciones atómicas por pares.
El proyecto comenzó en la escuela de verano AIRI de la Universidad Estatal de Tomsk en 2025. El equipo (Stepan Pavlenko, Pavel Maslov, Ivan Burov) inicialmente se propuso generar cadenas SMILES a partir de coordenadas atómicas 3D utilizando modelos de lenguaje grandes con ajuste fino por refuerzo, pero cambió a la predicción de enlaces en grafos tras tres días. Usando un codificador geométrico preentrenado Uni-Mol (~47 millones de parámetros) y una cabeza MLP ligera (~74 mil parámetros entrenables), lograron un F1 macro de 0.9997 y un emparejamiento exacto del 99.53% en el conjunto de referencia GEOM (partición por scaffolding), en comparación con el F1 de 0.975 y el 83.2% de emparejamiento exacto de YuelBond, lo que supone una reducción del error de aproximadamente 20 veces. El modelo también evita enlaces falsos en dímeros, a diferencia de YuelBond. Una vía paralela utilizó Galactica-1.3B ajustado con LoRA y tokenización de coordenadas (como BindGPT) para la generación directa de SMILES, logrando más del 99.7% de validez en datos dentro de la distribución, pero un emparejamiento exacto casi nulo en péptidos fuera del dominio. El trabajo fue aceptado en el taller Graph Foundation Models de ICML 2026 en Seúl.
Fuente: Habr — хаб ИИ —
original