Elsevier integra il modello di visione chimica di LG AI Research in Reaxys

Elsevier e LG AI Research annunciato il 15 settembre 2026 che la tecnologia di visione AI specifica per la chimica sviluppata da LG AI Research è ora utilizzata nei processi di estrazione e curatela dei contenuti di Elsevier per Reaxys, la soluzione di chimica di scoperta di Elsevier, rendendo ricercabili le sostanze che appaiono solo come immagini, disegni e schemi di reazione in brevetti e letteratura scientifica.

Le aziende hanno dichiarato che le informazioni sulle sostanze provenienti da immagini in brevetti e contenuti di riviste vengono catturate più rapidamente, con maggiore precisione e su scala più ampia rispetto a quanto fosse possibile in precedenza. Il lavoro migliora l’estrazione dei contenuti e la curatela scientifica di sostanze, reazioni, bioattività, bersagli biologici e proprietà delle sostanze per Reaxys da parte di Elsevier.

Perché la chimica basata su immagini è difficile da cercare

La maggior parte delle informazioni su sostanze e reazioni di cui gli chimici si affidano viene comunicata tramite figure, disegni e schemi di reazione anziché tramite testo ricercabile, secondo l’annuncio. Quando tale chimica non è ricercabile, i ricercatori possono dover esaminare manualmente i documenti per verificare se un composto o una reazione è già stata descritta. I disegni chimici codificano il significato attraverso legami, atomi, stereochimica e relazioni spaziali, così un modello che interpreta erroneamente un legame può identificare il composto sbagliato, mentre uno che omette una struttura lascia gli chimici con un quadro incompleto. Questa sfida è particolarmente acuta in settori come la ricerca di novità, l’intelligence competitiva e la pianificazione della sintesi, nonché nella chimica inorganica e organometallica, dove le strutture complesse sono più difficili da estrarre e indicizzare.

Il modello MolMole e i benchmark riportati

La tecnologia combina il rilevamento di molecole, l’analisi di diagrammi di reazione e il riconoscimento ottico di strutture chimiche (OCSR) in un unico modello, e i rapporti di benchmark pubblicati da LG AI Research affermano che supera le alternative nell’estrazione della chimica da una pagina intera di documento. Un post del 7 maggio 2025 sul blog di ricerca di LG AI Research identifica il modello come MolMole, sviluppato nell’ambito del programma Deep Document Understanding del gruppo, che mira a costruire IA in grado di interpretare testo, grafici e tabelle nei documenti generali così come formule strutturali molecolari e formule di reazione in articoli scientifici e brevetti chimici.

MolMole accetta documenti PDF completi come input anziché richiedere immagini ritagliate e restituisce i dati chimici riconosciuti da un documento in un’unica operazione, secondo il post del blog. Il modello è composto da tre moduli. ViDetect rileva le regioni di strutture molecolari all’interno delle pagine PDF e le segna con riquadri delimitanti. ViReact individua le posizioni di reagenti, condizioni di reazione e prodotti nei diagrammi di reazione e classifica ogni regione. ViMore converte le strutture riconosciute in rappresentazioni chimiche standard, inclusi SMILES, InChI e formati Mol, utilizzando tecniche specializzate per pagine di brevetti scansionate e rumorose.

LG AI Research riferisce che ViMore ha raggiunto risultati allo stato dell’arte in tre dei quattro benchmark OCSR standard (CLEF, JPO, UOB e USPTO), superando DECIMER Image Transformer, MolScribe e MolGrapher, e che ha superato gli altri modelli in particolare sul benchmark JPO, un set di dati impegnativo, prevalentemente a bassa risoluzione, di immagini estratte da brevetti giapponesi. Nel benchmark proprietario di LG, che valuta separatamente 300 pagine di brevetti e 250 pagine di articoli per riflettere le loro diverse caratteristiche, la pipeline combinata ViDetect e ViMore ha superato Decimer Segmentation e Image Transformer e MolDetect e MolScribe in termini di precisione e richiamo, e ViReact ha superato ReactionDataExtractor2.0 e RxnScribe.

Il articolo originale, pubblicato su arXiv è stato presentato per la prima volta il 30 aprile 2025 e revisionato l’8 maggio 2025. Descrive MolMole come un framework di deep learning basato sulla visione che unifica il rilevamento di molecole, l’analisi di diagrammi di reazione e l’OCSR in un’unica pipeline per estrarre dati chimici direttamente da documenti a livello di pagina. Citando la mancanza di un benchmark standard a livello di pagina e di una metrica di valutazione, gli autori presentano anche un set di test di 550 pagine annotato con riquadri di molecole, etichette di reazione e file MOL, insieme a una nuova metrica di valutazione, e riferiscono che MolMole supera i toolkit esistenti sia sul loro benchmark sia su dataset pubblici.

Nel flusso di lavoro di Elsevier, ogni pipeline di estrazione viene convalidata rispetto ai benchmark Reaxys esistenti prima di essere messa in produzione, e l’intera pipeline ha attraversato un periodo di test sui dati e sugli strumenti di workflow di Elsevier prima di un utilizzo più ampio, secondo l’annuncio.

Dichiarazioni esecutive e prossime fasi

Mirit Eldor, Direttore Generale, Life Sciences presso Elsevier, ha affermato che la partnership restituisce tempo agli chimici spostando più chimica dalle figure a Reaxys come evidenza curata e ricercabile. “Una struttura sepolta in una figura dovrebbe essere evidenza piuttosto che un vicolo cieco”, ha detto.

Hwayoung Edward Lee, responsabile dell’AI Biz Transformation Unit presso LG AI Research, ha dichiarato che il modello è stato progettato per decodificare rappresentazioni chimiche visive complesse in cui ogni legame e disposizione spaziale hanno un significato, e che l’integrazione con Elsevier converte i dati visivi grezzi in conoscenza strutturata per i ricercatori.

Le organizzazioni hanno dichiarato che l’estrazione delle reazioni è la fase successiva della collaborazione, estendendo l’estrazione basata su immagini oltre le singole sostanze per ampliare le evidenze di reazione disponibili tramite Reaxys. Stanno inoltre esplorando ulteriori sfide dei clienti da affrontare insieme, accoppiando le capacità AI specialistiche di LG AI Research con i contenuti chimici, l’expertise scientifica e la curatela di Elsevier. Il lavoro segue i Principi di IA Responsabile e i Principi sulla Privacy di Elsevier, hanno affermato le aziende.