Uni-Bond：サマースクールの2週間プロジェクトがICML 2026ワークショップ論文に

本プロジェクトは、2025年にトムスク国立大学で開催されたAIRIサマースクールに端を発する。チーム（Stepan Pavlenko、Pavel Maslov、Ivan Burov）は当初、3D原子座標から強化学習（RL）でファインチューニングした大規模言語モデル（LLM）を用いてSMILES文字列を生成することを目指していたが、3日後に結合グラフ予測に方向転換した。事前学習済みの幾何エンコーダであるUni-Mol（約4700万パラメータ）と軽量な多層パーセプトロン（MLP）ヘッド（学習可能パラメータ約7万4000）を用いて、GEOMベンチマーク（スキャフォールド分割）においてマクロF1スコア0.9997、完全一致率99.53%を達成した。比較対象のYuelBondはF1スコア0.975、完全一致率83.2%であり、エラー率で約20倍の改善となる。また、本モデルはYuelBondとは異なり、二量体における偽の結合を回避する。並行して、LoRAでファインチューニングしたGalactica-1.3Bモデル（BindGPTのように座標をトークン化）を用いた直接的なSMILES生成も試み、分布内データでは99.7%超の有効性を達成したが、ドメイン外のペプチドでは完全一致率がほぼゼロとなった。本研究成果は、ソウルで開催されるICML 2026のグラフ基盤モデルワークショップに採択された。