Uni-Bond: Bagaimana Proyek Sekolah Musim Panas Dua Minggu Berkembang Menjadi Makalah Lokakarya ICML 2026
Uni-Bond adalah model prediksi graf ikatan molekul yang mengungguli SOTA sebelumnya (YuelBond) sekitar 20 kali lipat dalam tingkat kesalahan tepat. Dikembangkan selama proyek sekolah musim panas di AIRI, kemudian disempurnakan dan diterima di lokakarya Graph Foundation Models di ICML 2026. Model ini menggunakan encoder Uni-Mol yang dibekukan dengan kepala MLP ringan pada representasi atom berpasangan.
Proyek ini dimulai di sekolah musim panas AIRI di Universitas Negeri Tomsk pada tahun 2025. Tim (Stepan Pavlenko, Pavel Maslov, Ivan Burov) awalnya bertujuan menghasilkan string SMILES dari koordinat atom 3D menggunakan model bahasa besar (LLM) dengan penyesuaian halus berbasis pembelajaran penguatan (RL finetuning), tetapi beralih ke prediksi graf ikatan setelah tiga hari. Dengan menggunakan encoder geometri terlatih Uni-Mol (~47 juta parameter) dan kepala MLP ringan (~74 ribu parameter yang dapat dilatih), mereka mencapai skor F1 makro sebesar 0,9997 dan kecocokan tepat sebesar 99,53% pada tolok ukur GEOM (pemisahan scaffold), dibandingkan dengan YuelBond yang memiliki skor F1 0,975 dan kecocokan tepat 83,2% — penurunan tingkat kesalahan sekitar 20 kali lipat. Model ini juga menghindari ikatan palsu pada dimer, tidak seperti YuelBond. Jalur paralel menggunakan Galactica-1.3B yang disetel halus dengan LoRA dan tokenisasi koordinat (seperti BindGPT) untuk menghasilkan string SMILES secara langsung, mencapai validitas >99,7% pada data distribusi dalam, tetapi kecocokan tepat mendekati nol pada peptida di luar domain (out-of-domain). Karya ini diterima di lokakarya Graph Foundation Models pada ICML 2026 di Seoul.
Sumber: Habr — хаб ИИ —
asli