中国科学院上海Materia Medica研究所的研究人员郑明尤（Zheng Mingyue）报道了一种名为ReactSeq的语言反应，该反应可以用化学反应编码分子编辑操作，从而使语言处理模型（NLPS）在反向综合预测中更好地对行为的互动构成了互动的互动，而智能的反应是一种互动的互动，是一种人类的智能，是一种人类的智能，是一种人的智能。自然语言处理的突破和近年来的科学研究范例。在特定活动中的CLM院士社区设计了一些新的分子线性编码语言来描述化学分子的静态结构。但是，这些语言并未清楚地描述化学反应期间分子中原子和键的变化，这严重限制了语言模型在化学反应的预测和表示中的应用。为了克服上述挑战，研究小组设计了一种对化学反应的新语言描述，ReactSeq。 ReactSeq指定了一系列的操作，其中编辑了将产品结构转换为反应分子所需的分子（MEO），包括化学键的断裂和变化，原子电荷的变化以及废弃基团的附着。在基于反应的反应模型中，反应通过这些MEOS从产物分子转化，确保预测的反应和产品之间的准确地图，从而增强模型解释。 ？使用Reactseq，最先进的性能CA可以通过反向综合预测实现n，而无需更改基本的变压器体系结构。同时，ReactSeq具有代表MEO的明确令牌，可以表示和促进人类的指示。测试结果表明，人类专家的技巧可以显着提高模型的性能，甚至可以指导语言模型来探索新反应。这些MEO令牌对于获得反应表示也很愉快，并且可以产生更准确和内在的化学意义反应表示。基于这种方法，并伴随着自我监督的研究，研究团队建立了一种一般且可靠的响应表示方法，可以自然识别反应的类型并评估其统一性，从而改善了一系列下游任务（例如类似反应）的性能，例如获得，专家过程的建议和反应产量。研究小组说，这项研究为许多新兴的CA提供了在田野领域中，大型语言模型的能力，显着提高了自然语言处理模型处理复杂化学问题的能力，并为在化学领域开发基本人工智能模型提供了新的想法。相关论文信息：https：//dii.org/10.1038/s42256-025-01032-8