要約
近年の人工知能分野における大規模基礎モデルの成功に伴い、化学分野における事前学習モデルの登場が促進された。特に、下流タスクに有用な情報を含む表現を提供する大規模分子事前学習モデルへの関心は高まっているが、分子領域におけるマルチモーダル事前学習アプローチの試みは依然として限られていた。この課題に応じて、本研究では構造と生化学的性質という2つのモダリティを統合した新たなマルチモーダル分子事前学習モデルを提案する。このモデルは、近年のマルチモーダル学習技術の進展から着想を得ており、データ処理プロセスおよび学習目標の設計により、構造特徴と性質特徴を共通の埋め込み空間に整合させることで、分子の構造と性質の双方向的な情報関係をモデルが捉えることを可能にしている。これらの貢献は相乗的な知識を生み出し、単一のモデルによってマルチモーダルおよびユニモーダルの下流タスクを同時に処理することが可能となる。広範な実験を通じて、本モデルが条件付き分子生成、性質予測、分子分類、反応予測といった多様な意味ある化学課題に対して優れた性能を発揮することを示した。