Badacze opracowali metodę interpretacji reprezentacji wewnętrznych modeli języka białek przy użyciu różniczkowalnego partycjonowania grafów. Podejście umożliwia zidentyfikowanie, które części białka wpływają na decyzje modelu, co jest kluczowe dla zrozumienia jak modele AI uczą się struktury biologicznych cząsteczek. Odkrycia mogą przyczynić się do lepszego projektowania białek i bardziej niezawodnych predykcji ich funkcji.