Kutatás · arXiv · cs.AI ·
Általános alapmodellek felülmúlják a vegyészeti alapmodelleket kevés adatnál
Egy arXiv-tanulmány szerint a GPT-6 Astra 60 kísérleti adatponttal öt kémiai regressziós feladatban felülmúlta a vegyészeti célú alapmodelleket.
Az arXiv-en megjelent tanulmány általános és vegyészeti alapmodelleket hasonlított össze kémiai feladatokon. A vegyészeti modellek, mint a ChemBERTa és a MoLFormer, molekulaszerkezeteken tanultak, és kevesebb mint 100 kísérleti adatponttal finomhangolhatók. Az általános modellek, például a GPT-6 Astra és a Claude Opus 5.5, nyilvánosan elérhető adatokon tanultak, köztük a molekulák tulajdonságairól szóló emberi tudáson.
A legfontosabb eredmény, hogy 60 kísérleti adatponttal a GPT-6 Astra öt regressziós feladatban jobb volt a jelenleg elérhető vegyészeti modelleknél. Ezek fizikai-kémiai és kvantumkémiai feladatok voltak. A vegyészeti modelleknek tízszer annyi adat kellett ahhoz, hogy elérjék a GPT-6 Astra teljesítményét: 1000 pontnál az Astra 60 pontos, 10 000 pontnál az 1000 pontos eredményét érték el.
A szerzők szerint a kémiai szerkezetek tanulása nem pótolja a releváns emberi tudást, ezért az általános modellek adathiányos területeken jobban segíthetnek a kutatásban. A forrás nem közöl árat, hozzáférési feltételeket és magyarországi elérhetőséget.
Miért fontos neked?
Azoknak számít, akik kevés kísérleti adattal dolgoznak, például új molekulák tulajdonságainak becslésekor. Az eredmény csak a vizsgált öt regressziós feladatra szól, ezért szélesebb körű alkalmazhatóság még nem bizonyított.
Az eredeti megnyitása (arXiv · cs.AI)
Eredeti cím: General-purpose foundation models surpass specialized ones on chemical property prediction tasks
Címkék: kutatás, vegyészet, alapmodell