في هذا العمل، نقدم نموذج اللغة ChemBFN، وهو نموذج يتعامل مع المهام الكيميائية بناءً على شبكات التدفق البيزية التي تعمل على البيانات المتقطعة. تم اقتراح جدول دقة جديد لتحسين جودة العينات من خلال تقليل الخسارة الإعادة بشكل كبير. نقدم أدلة على أن طريقتنا مناسبة لإنتاج جزيئات ذات تنوع مرضٍ حتى عند استخدام عدد أقل من خطوات العينة. تم تكييف طريقة الإرشاد بدون تصنيف للإنتاج الشرطي. كما يستحق الذكر أنه بعد التدريب الجيني، يمكن تعديل نموذجنا في مهام الانحدار والتصنيف بأداء رائد في المجال، مما يفتح الباب أمام بناء نماذج شاملة في أسلوب وحدة واحدة. لقد تم توفير مصدر النموذج الخاص بنا مفتوحًا على الرابط https://github.com/Augus1999/bayesian-flow-network-for-chemistry.