SciReasoner：将结构作为AI的语言，像科学家那样推理出蛋白质、小分子和材料的性质

背景：传统的科学大模型主要依赖语言关联进行推理，忽视了蛋白质、小分子和材料中蕴含的三维结构信息，导致在处理需要空间关系判断的科学问题时，模型给出的答案缺乏实质性的科学依据。研究目的：上海人工智能实验室联合多所高校提出了SciReasoner模型，旨在将蛋白质结构、晶体结构以及分子拓扑作为推理过程的核心依据，实现“原生结构推理”，使AI能够像科学家一样基于结构证据进行分析和判断。结论：SciReasoner使用多种结构感知表征（如ConfSeq、Foldseek 3Di、SLICES）将结构信息转换为Token输入大模型。在低同源蛋白功能注释中，Fmax提升23%；在USPTO-50K逆合成任务中，Top-1准确率达到72.0%；在DUDE虚拟筛选中，将5%富集因子从7.1提升至7.7；材料性质预测中也展现出清晰的结构-性质关系。该工作将结构从输入信息转变为推理证据，使AI不仅能计算科学问题，还能围绕结构证据解释科学问题，是科学基础模型发展的重要一步。