심층적인 고유 구조 추론을 통한 정확하고 학제 간 연관성을 갖는 투명한 구조-물성 이해

Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning

구조-물성 관계는 생물학, 화학 및 재료 과학의 근간이며, 기능, 반응성 및 물리적 특성은 공간적, 화학적, 주기적인 배열로부터 발생합니다. 이러한 관계를 메커니즘적으로 설명하려면 입체화학 및 결합에서부터 대칭, 에너지 및 주기적 순서에 이르기까지 과학적 원리와 물리적 제약을 통해 구조적 증거를 해석해야 합니다. 그러나 인공 지능을 이 과정에 적용하는 것은 표현과 추론이라는 복합적인 과제를 제시합니다. 모델은 도메인 고유의 구조 정보를 유지하면서 동시에 특정 증거가 이러한 제약 조건 하에서 예측을 어떻게 뒷받침하는지 보여주어야 합니다. 본 연구에서는 단백질, 작은 분자 및 무기 결정에 대한 고유한 구조 추론을 위한 다중 모드 과학 기반 모델인 SciReasoner를 소개합니다. SciReasoner는 좌표, 토폴로지 및 주기적 연결성을 통합된 구조 인식 어휘로 이산화하여, 추론 과정에서 구조적 토큰을 주소 지정 가능한 증거 단위로 처리합니다. 동질성 제어를 통한 유전자 온톨로지 예측에서, SciReasoner는 낮은 동질성과 고아 단백질에 대한 세포 구성체 어노테이션 성능을 향상시켜 $F_{ ext{max}}$ 값을 0.42에서 0.55로 증가시킵니다. 화학 분야에서는 단일 단계 역합성 정확도를 0.63에서 0.72로 높이는 동시에 프래그먼트 수준의 분리 및 전구체 검증 정보를 생성합니다. 재료 과학 분야에서는 원소 및 화합물 상을 구별하고 높은 에너지 간격과 낮은 에너지 간격을 구분합니다. 86개의 벤치마크에서 SciReasoner는 67개 작업에 대해 최첨단 성능을 달성했습니다. 이중 맹검 전문가 평가는 SciReasoner의 추론 과정을 선도적인 대규모 언어 모델의 결과와 동등하거나 더 우수한 것으로 평가했으며, 그 비율은 98%에 달했습니다. SciReasoner는 과학적 제약 조건 하에서 구조를 검사 가능한 기반으로 활용하여, 정확한 예측과 해석 가능한 과학적 추론을 연결합니다.

Structure-property relationships are foundational to biology, chemistry and materials science, where function, reactivity and physical response emerge from spatial, chemical and periodic organization. Mechanistically explaining these relationships requires interpreting structural evidence through scientific principles and physical constraints, from stereochemistry and bonding to symmetry, energetics and periodic order. However, applying artificial intelligence to this process presents a joint challenge of representation and reasoning: models must preserve domain-native structural information while showing how specific evidence supports predictions under these constraints. Here we introduce SciReasoner, a multimodal scientific foundation model for native structural reasoning across proteins, small molecules and inorganic crystals. SciReasoner discretizes coordinates, topologies and periodic connectivities into a unified structure-aware vocabulary, treating structural tokens as addressable evidence units during reasoning. In homology-controlled Gene Ontology prediction, SciReasoner improves Cellular Component annotation for low-homology and orphan-like proteins, increasing $F_{\max}$ from 0.42 to 0.55. In chemistry, it raises single-step retrosynthesis accuracy from 0.63 to 0.72 while generating fragment-level disconnection and precursor-verification traces. In materials science, its representations separate elemental and compound phases and resolve high- and low-band-gap regimes. Across 86 benchmarks, SciReasoner achieves state-of-the-art performance on 67 tasks. Double-blind expert evaluation rates its reasoning traces as preferred or at least comparable to those of a frontier large language model in 98% of cases. By making structure an inspectable substrate for reasoning under scientific constraints, SciReasoner connects accurate prediction with interpretable scientific inference.