MinerU.Chem: 고정밀 광학 화학 구조 및 반응 인식 시스템

MinerU.Chem: A High-Precision System for Optical Chemical Structure and Reaction Recognition

유기화학 논문과 특허에서 분자 구조, 반응 과정, 실험 조건 등이 종종 분자 구조 표현, 반응 다이어그램, 복잡한 표 또는 그림으로 제시됩니다. 이러한 정보는 일반적인 문서 파싱 시스템이 직접적으로 기계 판독 가능한 데이터로 변환하기 어렵습니다. 이는 유기화학 지식 베이스 구축 및 반응 예측, 역합성, 조건 추천, 분자 특성 예측, 약물 분자 설계와 같은 AI 기반 화학 분야의 데이터 생산을 제한합니다. 본 보고서는 MinerU 온라인 플랫폼에 통합된 유기화학 문헌 파싱 시스템인 MinerU.Chem을 소개합니다. MinerU.Chem은 MinerU의 일반적인 문서 파싱 파이프라인을 기반으로 하며, 다음과 같은 다섯 가지 화학 특화 모듈을 추가했습니다: 화학 관련성 필터링, 분자 구조 감지, 분자 식별자 추출, 분자 구조 인식, 반응 과정 파싱. 이러한 모듈들은 문서를 구성하는 유기화학 관련 이미지 영역을 '분자 요약 목록'과 '반응 요약 목록'으로 변환합니다. MinerU.Chem은 분자 구조 인식을 위해 핵심 표현 방식으로 CARBON (Complex Atomic Representation and Bonding Object Notation)을 사용합니다. CARBON은 인식 결과를 통해 원본 이미지의 시각적 레이아웃과 복잡한 화학 의미를 모두 보존하면서 MolFile 및 SMILES와 같은 표준 형식으로 내보낼 수 있도록 지원합니다. MinerU.Chem의 분자 구조 인식 모듈은 MolRecBench-Wild 데이터셋 (N=2,392)의 SMILES 평가 가능한 부분에서 93.02%의 정확도를 달성하여, 가장 우수한 성능을 보인 비교 시스템인 GPT-5.6-Sol (74.87%)보다 18.15%p 더 높은 성능을 나타냈습니다. 이 시스템은 MinerU 온라인 플랫폼에 통합되어 다음 URL에서 사용할 수 있습니다: https://mineru.net/OpenSourceTools/Extractor.

In organic chemistry papers and patents, molecular structures, reaction schemes, and experimental conditions are often presented as molecular structure depictions, reaction diagrams, and complex tables or figures. Such information is difficult for general-purpose document parsing systems to directly convert into machine-readable data. This limits data production for organic chemistry knowledge base construction and for AI for Chemistry tasks such as reaction prediction, retrosynthesis, condition recommendation, molecular property prediction, and drug molecule design. This report introduces MinerU.Chem, a document parsing system for organic chemistry literature integrated into the MinerU online platform. Built on top of MinerU's general document parsing pipeline, MinerU.Chem adds five chemistry-specific modules: chemistry relevance filtering, molecular structure detection, molecule identifier extraction, molecular structure recognition, and reaction scheme parsing. Together, these modules convert organic-chemistry-related image regions in documents into a Molecule Summary List and a Reaction Summary List. For molecular structure recognition, MinerU.Chem uses CARBON (Complex Atomic Representation and Bonding Object Notation) as its core representation. CARBON enables recognition results to preserve both the visual layout of the original image and complex chemical semantics, while supporting the export of standard downstream formats such as MolFile and SMILES. On the SMILES-evaluable subset of MolRecBench-Wild (N=2,392), MinerU.Chem's molecular structure recognition module achieves a SMILES exact-match accuracy of 93.02%, outperforming the best evaluated comparison system, GPT-5.6-Sol (74.87%), by 18.15 percentage points. The system has been integrated into the MinerU online platform and is available at https://mineru.net/OpenSourceTools/Extractor .