Elsevier يدمج نموذج الرؤية الكيميائية من LG AI Research في Reaxys

Elsevier و LG AI Research أعلن في 15 سبتمبر 2026 أن تقنية الرؤية الذكية المتخصصة في الكيمياء التي طورتها LG AI Research تُستخدم الآن ضمن عمليات استخراج المحتوى وتنقيته في Elsevier لحل Reaxys لاكتشاف الكيمياء، مما يجعل المواد التي تظهر فقط كصور أو رسومات أو مخططات تفاعلية في البراءات والأدبيات العلمية قابلة للبحث.

قالت الشركتان إن معلومات المواد المستخرجة من الصور في محتوى البراءات والمجلات تُلتقط بسرعة أكبر ودقة أعلى وعلى نطاق أوسع مما كان ممكنًا سابقًا. يعزز هذا العمل استخراج المحتوى العلمي وتنقيته في Elsevier للمواد، التفاعلات، النشاطات الحيوية، الأهداف البيولوجية وخصائص المواد في Reaxys.

لماذا كان من الصعب البحث في الكيمياء المرتبطة بالصور

وفقًا للإعلان، يتم نقل معظم معلومات المواد والتفاعلات التي يعتمد عليها الكيميائيون عبر الأشكال والرسومات ومخططات التفاعلات بدلاً من النص القابل للبحث. عندما لا تكون تلك الكيمياء قابلة للبحث، قد يضطر الباحثون إلى فحص المستندات يدويًا للتأكد مما إذا كان المركب أو التفاعل قد وُصف مسبقًا. تُشفّر الرسومات الكيميائية المعنى من خلال الروابط، الذرات، الكيمياء الفراغية والعلاقات المكانية، لذا قد يحدد نموذج يخطئ في قراءة رابط مركبًا غير صحيح، بينما قد يترك نموذج يغفل بنيةً الكيميائيين بصورة غير مكتملة. يكون هذا التحدي أكثر حدة في مجالات مثل البحث عن الجدة، الاستخبارات التنافسية وتخطيط التخليق، وكذلك في الكيمياء غير العضوية والعضوية المعدنية، حيث يصعب استخراج وفهرسة الهياكل المعقدة.

نموذج MolMole ومعاييره المبلغ عنها

تجمع التقنية بين اكتشاف الجزيئات، وتحليل مخططات التفاعلات، والتعرف البصري على البنية الكيميائية (OCSR) في نموذج واحد، وتُظهر تقارير benchmark التي نشرتها LG AI Research أنه يتفوق على البدائل في استخراج الكيمياء من صفحة مستند كاملة. منشور 7 مايو 2025 على مدونة أبحاث LG AI يحدد النموذج باسم MolMole، تم تطويره ضمن برنامج Deep Document Understanding للمجموعة، الذي يهدف إلى بناء ذكاء اصطناعي قادر على تفسير النصوص والرسوم البيانية والجداول في المستندات العامة وكذلك صيغ البنى الجزيئية وصيغ التفاعلات في الأوراق والبراءات الكيميائية.

يستقبل MolMole مستندات PDF كاملة كمدخل بدلاً من الحاجة إلى صور مقصوصة، ويعيد البيانات الكيميائية المعترف بها من المستند دفعة واحدة، وفقًا للمدونة. يتألف النموذج من ثلاثة وحدات. تكتشف ViDetect مناطق البنية الجزيئية داخل صفحات PDF وتحددها بمربعات إطارية. تحدد ViReact مواضع المتفاعلات، ظروف التفاعل والمنتجات داخل مخططات التفاعل وتُصنّف كل منطقة. تُحوّل ViMore البُنى المعترف بها إلى تمثيلات كيميائية معيارية تشمل صيغ SMILES وInChI وMol، باستخدام تقنيات متخصصة للصفحات البرائية الضوضائية الممسوحة ضوئيًا.

تُفيد LG AI Research أن ViMore حققت نتائج رائدة على ثلاثة من أربعة معايير OCSR القياسية (CLEF وJPO وUOB وUSPTO)، متفوقة على DECIMER Image Transformer وMolScribe وMolGrapher، وأنها تفوقت على النماذج الأخرى خصوصًا في JPO، مجموعة بيانات صعبة ذات دقة منخفضة في المقام الأول مستخرجة من وثائق براءات يابانية. في معيار LG الخاص، الذي يقيم 300 صفحة براءات و250 صفحة أوراق بشكل منفصل لتعكس خصائصهما المختلفة، تفوق خط أنابيب ViDetect وViMore المشترك على Decimer Segmentation وImage Transformer وMolDetect وMolScribe من حيث الدقة والاستدعاء، وتفوقت ViReact على ReactionDataExtractor2.0 وRxnScribe.

الالورقة الأساسية، المنشورة على arXiv قُدمت لأول مرة في 30 أبريل 2025 وتم تعديلها في 8 مايو 2025. تصف الورقة MolMole كإطار تعلم عميق قائم على الرؤية يوحد اكتشاف الجزيئات، وتحليل مخططات التفاعل وOCSR في خط أنابيب واحد لاستخراج البيانات الكيميائية مباشرةً من مستندات مستوى الصفحة. بالإشارة إلى نقص معيار قياسي على مستوى الصفحة ومقياس تقييم، يقدم المؤلفون أيضًا مجموعة اختبار مكوّنة من 550 صفحة مُعلّمة بمربعات إطارية للجزيئات، وعلامات تفاعلية وملفات MOL، إلى جانب مقياس تقييم جديد، ويذكرون أن MolMole يتفوق على الأدوات الحالية في كل من معيارهم ومجموعات البيانات العامة.

وفقًا للإعلان، داخل سير عمل Elsevier، يتم التحقق من صحة كل خط استخراج مقابل معايير Reaxys الحالية قبل تشغيله، وخضع الخط الكامل لفترة اختبار عبر بيانات وأدوات سير عمل Elsevier قبل الاستخدام الأوسع.

بيانات التنفيذيين والمرحلة التالية

قالت ميرييت إلدور، المديرة العامة للعلوم الحياتية في Elsevier، إن الشراكة تعيد للكيماويين الوقت من خلال نقل المزيد من الكيمياء من الأشكال إلى Reaxys كدليل منقح وقابل للبحث. “يجب أن تكون البنية المدفونة في الشكل دليلًا وليس طريقًا مسدودًا،” أضافت.

قال هوايونغ إدوارد لي، قائد وحدة تحويل الأعمال بالذكاء الاصطناعي في LG AI Research، إن النموذج صُمم لفك تشفير التمثيلات الكيميائية البصرية المعقدة التي يحمل فيها كل رابط وتخطيط مكاني معنى، وأن التكامل مع Elsevier يحول البيانات البصرية الخام إلى معرفة منظمة للباحثين.

قالت المنظمات إن استخراج التفاعلات هو المرحلة التالية من التعاون، حيث يوسع استخراج الصور ليشمل أكثر من المواد الفردية لتوسيع الأدلة المتعلقة بالتفاعلات المتاحة عبر Reaxys. كما يستكشفون تحديات إضافية للعميل لمعالجتها معًا، من خلال الجمع بين قدرات الذكاء الاصطناعي المتخصصة لـ LG AI Research ومحتوى الكيمياء لدى Elsevier وخبرتها العلمية وتنسيقها. يأتي هذا العمل وفقًا لمبادئ الذكاء الاصطناعي المسؤول ومبادئ الخصوصية التي تتبعها Elsevier، حسب ما ذكرته الشركتان.