यूनी-बॉन्ड: दो सप्ताह की समर स्कूल परियोजना कैसे ICML 2026 कार्यशाला पेपर में बदल गई
यूनी-बॉन्ड एक आणविक बंधन ग्राफ भविष्यवाणी मॉडल है जो पिछले SOTA (YuelBond) को सटीक मिलान त्रुटि दर में लगभग 20 गुना बेहतर प्रदर्शन करता है। इसे AIRI में समर स्कूल परियोजना के दौरान विकसित किया गया था, बाद में इसे परिष्कृत किया गया और ICML 2026 में ग्राफ फाउंडेशन मॉडल्स कार्यशाला में स्वीकार किया गया। मॉडल एक फ्रोजन यूनी-मोल एनकोडर और जोड़ीदार परमाणु अभ्यावेदन पर एक हल्के MLP हेड का उपयोग करता है।
यह परियोजना AIRI समर स्कूल में टॉम्स्क स्टेट यूनिवर्सिटी में 2025 में शुरू हुई। टीम (स्टीफन पावलेंको, पावेल मासलोव, इवान बुरोव) ने शुरू में RL फ़ाइनट्यूनिंग के साथ LLM का उपयोग करके 3D परमाणु निर्देशांकों से SMILES स्ट्रिंग्स उत्पन्न करने का लक्ष्य रखा, लेकिन तीन दिनों के बाद बॉन्ड ग्राफ़ पूर्वानुमान की ओर रुख किया। पूर्व-प्रशिक्षित ज्यामितीय एनकोडर Uni-Mol (लगभग 47M पैरामीटर) और हल्के MLP हेड (लगभग 74K प्रशिक्षण योग्य पैरामीटर) का उपयोग करके, उन्होंने GEOM बेंचमार्क (स्कैफोल्ड स्प्लिट) पर मैक्रो F1 0.9997 और एक्सैक्ट मैच 99.53% प्राप्त किया, जबकि YuelBond का F1 0.975 और एक्सैक्ट मैच 83.2% था — त्रुटि दर में लगभग 20 गुना कमी। यह मॉडल YuelBond के विपरीत डाइमर्स में गलत बॉन्ड से भी बचता है। एक समानांतर ट्रैक में, कोऑर्डिनेट टोकनाइज़ेशन (BindGPT की तरह) के साथ गैलेक्टिका-1.3B पर LoRA-फ़ाइनट्यूनिंग का उपयोग करके सीधी SMILES जनरेशन की गई, जिससे इन-डिस्ट्रीब्यूशन डेटा पर 99.7% से अधिक वैलिडिटी प्राप्त हुई, लेकिन आउट-ऑफ-डोमेन पेप्टाइड्स पर लगभग शून्य एक्सैक्ट मैच मिला। इस कार्य को सियोल में ICML 2026 में ग्राफ़ फ़ाउंडेशन मॉडल्स कार्यशाला में स्वीकार किया गया।
स्रोत: Habr — хаб ИИ —
मूल