Naukowcy przedstawili nową metodę automatycznego określania struktur molekularnych z danych spektroskopii podczerwieni bez konieczności podawania formuły chemicznej modelu. Dotychczasowe podejścia transformerom mogły jedynie identyfikować izomery, a ich niezawodność dla pełnego przewidywania struktury była niska i słabo zbadana. Nowa metoda zmienia to paradygmat, umożliwiając rzeczywiste przewidywanie struktur w niezwiązanej przestrzeni chemicznej.
Kluczowe ulepszenia obejmują wprowadzenie modułu Mixture-of-Experts w dekoderze transformera, który wykorzystuje niaddytywną agregację poprzez statystyki liniowo-uporządkowane i całkę Choqueta. Modelo zmodyfikowano także do używania tych operatorów niaddytywnych przy agregowaniu reprezentacji spektralnych. Dodatkowo zastosowano pomocniczą stratę wyrównania kontrastywnego. Kombinacja tych zmian doprowadziła do wzrostu dokładności Top-K o ponad 10 punktów procentowych w porównaniu z modelu baseline'owymi pracującymi wyłącznie na danych IR.
Analiza fragmentów podstruktur molekularnych potwierdza, że spektra podczerwieni kodują zdecydowaną większość informacji chemicznych istotnych dla identyfikacji struktury. To sugeruje, że wcześniejszy sukces modeli rankujących izomery wynikał głównie z niedoreprezentacji problemów przy pełnej elucydacji strukturalnej. Praca ma potencjał znacznie uprościć analitykę chemiczną, eliminując wymóg wcześniejszego określania składu przy użyciu innych technik.