MoleCode: un linguaggio molecolare grafico-esplicito per LLM

I ricercatori hanno introdotto MoleCode, un linguaggio molecolare grafico-esplicito senza training, progettato per grandi modelli linguistici (LLM). A differenza di SMILES, che comprime la topologia molecolare in stringhe lineari, MoleCode rappresenta atomi, legami, rami e anelli come entità tipizzate con identificatori persistenti e relazioni esplicite. Ciò rende la struttura molecolare direttamente leggibile, modificabile e verificabile nel contesto linguistico, consentendo agli LLM di operare sulla struttura anziché ricostruirla dalla sintassi. L'approccio migliora gli LLM all'avanguardia in compiti di ragionamento, editing, generazione e analisi molecolare, in particolare quando l'accesso strutturale è limitato, come con molecole non familiari. L'articolo è disponibile su arXiv.