لقد أدى النجاح الأخير للنماذج الكبيرة الأساسية في مجال الذكاء الاصطناعي إلى ظهور نماذج مُدرَّبة مسبقًا في الكيمياء. وعلى الرغم من الاهتمام المتزايد بالنماذج الكبيرة المُدرَّبة مسبقًا على الجزيئات والتي توفر تمثيلات مفيدة للمهام اللاحقة، إلا أن المحاولات المتعلقة بنماذج التدريب المُتعددة الوسائط في مجال الجزيئات كانت محدودة. ولحل هذه المشكلة، نقدّم نموذجًا جزيئيًا مُدرَّبًا مسبقًا مُتعدد الوسائط جديدًا يدمج الوسائط الهيكلية والخصائص الحيوية، مستلهمين من التطورات الحديثة في تقنيات التعلم متعدد الوسائط. ويتماشى نموذجنا المقترح لمعالجة البيانات وأهداف التدريب مع تضمين ميزات الهيكل والخصائص في فضاء تضمين مشترك، مما يمكّن النموذج من اعتبار المعلومات المتبادلة بين هيكل الجزيئات وخصائصها. ونتيجة لهذه المساهمات، تُولَد معرفة تكاملية، مما يسمح لنا بالتعامل مع المهام اللاحقة متعددة الوسائط والوحدية من خلال نموذج واحد. وعبر تجارب واسعة النطاق، نُظهر أن نموذجنا يمتلك قدرات متميزة في حل العديد من التحديات الكيميائية ذات الأهمية، بما في ذلك توليد الجزيئات بشروط محددة، وتوقع الخصائص، وتصنيف الجزيئات، وتوقع التفاعلات.