Uni-Bond: Como um Projeto de Duas Semanas em uma Escola de Verão se Tornou um Artigo de Workshop no ICML 2026
Uni-Bond é um modelo de predição de grafos de ligações moleculares que supera o estado da arte anterior (YuelBond) em aproximadamente 20 vezes na taxa de erro de correspondência exata. Desenvolvido durante um projeto de escola de verão na AIRI, foi posteriormente refinado e aceito no workshop de Graph Foundation Models no ICML 2026. O modelo usa um codificador Uni-Mol congelado com uma cabeça MLP leve em representações atômicas pareadas.
O projeto começou na escola de verão AIRI na Universidade Estadual de Tomsk em 2025. A equipe (Stepan Pavlenko, Pavel Maslov, Ivan Burov) inicialmente pretendia gerar strings SMILES a partir de coordenadas atômicas 3D usando LLMs com ajuste fino por RL, mas mudou para a previsão de grafos de ligação após três dias. Usando um codificador geométrico pré-treinado Uni-Mol (~47 milhões de parâmetros) e uma cabeça MLP leve (~74 mil parâmetros treináveis), eles alcançaram macro F1 de 0,9997 e correspondência exata de 99,53% no benchmark GEOM (divisão scaffold), em comparação com o F1 de 0,975 e correspondência exata de 83,2% do YuelBond — uma redução de aproximadamente 20 vezes na taxa de erro. O modelo também evita ligações falsas em dímeros, ao contrário do YuelBond. Uma trilha paralela usou o Galactica-1.3B ajustado com LoRA com tokenização de coordenadas (como BindGPT) para geração direta de SMILES, alcançando validade >99,7% em dados dentro da distribuição, mas correspondência exata próxima de zero em peptídeos fora do domínio. O trabalho foi aceito no workshop Graph Foundation Models no ICML 2026 em Seul.
Fonte: Habr — хаб ИИ —
original