Elsevier Mengintegrasikan Model Visi Kimia LG AI Research ke Reaxys

Elsevier dan LG AI Research mengumumkan pada 15 September 2026 bahwa teknologi AI visi khusus kimia yang dikembangkan oleh LG AI Research kini digunakan dalam proses ekstraksi dan kurasi konten Elsevier untuk Reaxys, solusi penemuan kimia Elsevier, sehingga zat yang hanya muncul sebagai gambar, gambar teknik, dan skema reaksi dalam paten serta literatur ilmiah dapat dicari.

Perusahaan-perusahaan tersebut mengatakan bahwa informasi zat dari gambar dalam konten paten dan jurnal ditangkap lebih cepat, lebih akurat, dan pada skala yang lebih besar dibandingkan sebelumnya. Pekerjaan ini meningkatkan ekstraksi konten dan kurasi ilmiah Elsevier terhadap zat, reaksi, bioaktivitas, target biologis, serta properti zat untuk Reaxys.

Mengapa Kimia yang Terikat pada Gambar Sulit untuk Dicari

Sebagian besar informasi zat dan reaksi yang menjadi andalan para ahli kimia disampaikan melalui gambar, diagram, dan skema reaksi alih-alih teks yang dapat dicari, menurut pengumuman tersebut. Ketika kimia tersebut tidak dapat dicari, peneliti harus memeriksa dokumen secara manual untuk memastikan apakah suatu senyawa atau reaksi sudah pernah dijelaskan. Gambar kimia menyandi makna melalui ikatan, atom, stereokimia, dan hubungan spasial, sehingga model yang salah membaca ikatan dapat mengidentifikasi senyawa yang salah, sementara model yang melewatkan struktur meninggalkan gambar yang tidak lengkap bagi ahli kimia. Tantangan ini paling terasa di bidang seperti pencarian kebaruan, intelijen kompetitif, dan perencanaan sintesis, serta dalam kimia anorganik dan organometalik, di mana struktur kompleks lebih sulit diekstraksi dan diindeks.

Model MolMole dan Tolok Ukurnya yang Dilaporkan

Teknologi ini menggabungkan deteksi molekul, parsing diagram reaksi, dan pengenalan struktur kimia optik (OCSR) dalam satu model, serta laporan benchmarking yang dipublikasikan oleh LG AI Research yang menunjukkan bahwa teknologi ini mengungguli alternatif dalam mengekstraksi kimia dari halaman dokumen penuh. Sebuah posting 7 Mei 2025 di blog riset LG AI Research mengidentifikasi model tersebut sebagai MolMole, yang dikembangkan dalam program Deep Document Understanding kelompok tersebut, yang bertujuan membangun AI yang dapat menginterpretasikan teks, grafik, dan tabel dalam dokumen umum serta rumus struktural molekul dan rumus reaksi dalam makalah dan paten kimia.

MolMole menerima dokumen PDF lengkap sebagai input, bukan memerlukan gambar yang dipotong, dan mengembalikan data kimia yang dikenali dari dokumen secara sekaligus, menurut posting blog tersebut. Model ini terdiri dari tiga modul. ViDetect mendeteksi wilayah struktur molekul dalam halaman PDF dan menandainya dengan kotak pembatas. ViReact mengidentifikasi posisi reaktan, kondisi reaksi, dan produk dalam diagram reaksi serta mengklasifikasikan setiap wilayah. ViMore mengubah struktur yang dikenali menjadi representasi kimia standar termasuk format SMILES, InChI, dan Mol, dengan teknik khusus untuk halaman paten yang berisik dan berbasis pemindaian.

LG AI Research melaporkan bahwa ViMore mencapai hasil mutakhir pada tiga dari empat tolok ukur OCSR standar (CLEF, JPO, UOB, dan USPTO), mengungguli DECIMER Image Transformer, MolScribe, dan MolGrapher, serta khususnya mengungguli model lain pada JPO, sebuah dataset gambar beresolusi rendah yang menantang yang diambil dari dokumen paten Jepang. Pada tolok ukur milik LG sendiri, yang mengevaluasi 300 halaman paten dan 250 halaman makalah secara terpisah untuk mencerminkan karakteristik berbeda mereka, alur kerja gabungan ViDetect dan ViMore mengungguli Decimer Segmentation dan Image Transformer serta MolDetect dan MolScribe dalam presisi dan recall, dan ViReact mengungguli ReactionDataExtractor2.0 dan RxnScribe.

makalah dasar, diposting ke arXiv, pertama kali diajukan pada 30 April 2025 dan direvisi pada 8 Mei 2025. Makalah tersebut menjelaskan MolMole sebagai kerangka kerja pembelajaran mendalam berbasis visi yang menyatukan deteksi molekul, parsing diagram reaksi, dan OCSR ke dalam satu alur kerja untuk mengekstraksi data kimia secara langsung dari dokumen tingkat halaman. Dengan mengutip kurangnya tolok ukur dan metrik evaluasi standar pada tingkat halaman, penulis juga mempersembahkan set uji 550 halaman yang diberi anotasi kotak pembatas molekul, label reaksi, dan file MOL, bersama metrik evaluasi baru, dan melaporkan bahwa MolMole mengungguli toolkit yang ada pada kedua tolok ukur mereka serta dataset publik.

Dalam alur kerja Elsevier, setiap alur ekstraksi divalidasi terhadap tolok ukur Reaxys yang ada sebelum diluncurkan, dan seluruh alur kerja menjalani periode pengujian melalui data dan alat alur kerja Elsevier sebelum digunakan secara lebih luas, menurut pengumuman tersebut.

Pernyataan Eksekutif dan Tahap Selanjutnya

Mirit Eldor, Managing Director, Life Sciences di Elsevier, mengatakan bahwa kemitraan ini mengembalikan waktu bagi para ahli kimia dengan memindahkan lebih banyak kimia dari gambar ke Reaxys sebagai bukti yang dikurasi dan dapat dicari. “Sebuah struktur yang terkubur dalam gambar seharusnya menjadi bukti, bukan jalan buntu,” katanya.

Hwayoung Edward Lee, pemimpin AI Biz Transformation Unit di LG AI Research, mengatakan bahwa model ini dirancang untuk menguraikan representasi kimia visual yang kompleks di mana setiap ikatan dan tata letak spasial memiliki makna, dan bahwa integrasi dengan Elsevier mengubah data visual mentah menjadi pengetahuan terstruktur bagi peneliti.

Organisasi tersebut mengatakan bahwa ekstraksi reaksi adalah tahap berikutnya dari kolaborasi, memperluas ekstraksi berbasis gambar melampaui zat individual untuk memperluas bukti reaksi yang tersedia melalui Reaxys. Mereka juga mengeksplorasi tantangan pelanggan lebih lanjut untuk ditangani bersama, memadukan kemampuan AI khusus LG AI Research dengan konten kimia, keahlian ilmiah, dan kurasi Elsevier. Pekerjaan ini mengikuti Prinsip AI Bertanggung Jawab dan Prinsip Privasi Elsevier, kata perusahaan-perusahaan tersebut.