переключилась на предсказание графа связей. Используя предобученный геометрический энкодер Uni-Mol (около 47 миллионов параметров) и легкую MLP-голову (около 74 тысяч обучаемых параметров), они достигли макро F1 0,9997 и точного совпадения 99,53% на бенчмарке GEOM (scaffold split — разделение по структурным мотивам), по сравнению с F1 0,975 и 83,2% точного совпадения у YuelBond — снижение частоты ошибок примерно в 20 раз. Модель также избегает ложных связей в димерах, в отличие от YuelBond. Параллельно была использована LoRA-тонкая настройка Galactica-1,3B с токенизацией координат (как в BindGPT) для прямой генерации SMILES, что дало >99,7% валидности на данных внутри распределения, но почти нулевое точное совпадение для пептидов вне области применимости. Работа была принята на семинаре Graph Foundation Models на конференции ICML 2026 в Сеуле.