Elsevier, LG AI Research’ın Kimya Görüş Modelini Reaxys’e Entegre Ediyor

Elsevier ve LG AI Research duyurdu 15 Eylül 2026’da, LG AI Research tarafından geliştirilen kimyaya özgü AI görsel teknolojisinin artık Elsevier’in Reaxys için içerik çıkarma ve kürasyon süreçlerinde, Elsevier’in keşif kimyası çözümü olan Reaxys’te kullanıldığını, patentlerde ve bilimsel literatürde yalnızca görüntü, çizim ve reaksiyon şemaları olarak görünen maddelerin aranabilir hale getirildiğini belirtti.

Şirketler, patent ve dergi içeriğindeki görüntülerden elde edilen madde bilgilerinin daha hızlı, daha doğru ve önceki durumdan çok daha büyük ölçekle yakalandığını söyledi. Bu çalışma, Elsevier’in Reaxys için madde, reaksiyon, biyolojik aktivite, biyolojik hedef ve madde özelliklerinin içerik çıkarma ve bilimsel kürasyonunu geliştirmektedir.

Görüntü Tabanlı Kimyanın Neden Aranması Zor

Duyuruma göre, kimyagerlerin güvendiği madde ve reaksiyon bilgilerinin büyük bir kısmı, aranabilir metin yerine şekiller, çizimler ve reaksiyon şemaları aracılığıyla iletilir. Bu kimya aranabilir olmadığında, araştırmacılar bir bileşiğin veya reaksiyonun daha önce tanımlanıp tanımlanmadığını doğrulamak için belgeleri elle kontrol etmek zorunda kalabilir. Kimyasal çizimler bağlar, atomlar, stereokimya ve uzamsal ilişkiler aracılığıyla anlam taşır; bu nedenle bir bağı yanlış okuyan model yanlış bir bileşiği tanımlayabilir, yapıyı kaçıran bir model ise kimyagerlere eksik bir resim sunar. Bu zorluk, yenilik arama, rekabet istihbaratı ve sentez planlaması gibi alanlarda ve özellikle karmaşık yapıların çıkarılması ve indekslenmesinin zor olduğu inorganik ve organometalik kimyada en belirgindir.

MolMole Modeli ve Bildirilen Kıyaslamalar

Teknoloji, molekül tespiti, reaksiyon diyagramı ayrıştırması ve optik kimyasal yapı tanıma (OCSR) işlevlerini tek bir modelde birleştirir ve LG AI Research’in yayımladığı kıyaslama raporları, bu modelin tam bir belge sayfasından kimyayı çıkarmada alternatiflerden daha iyi performans gösterdiğini ortaya koyar. 7 Mayıs 2025 tarihli LG AI Research’in araştırma blogundaki gönderi modelin MolMole olarak adlandırıldığını, grup tarafından Derin Belge Anlama programı kapsamında geliştirildiğini ve bu programın genel belgelerdeki metin, grafik ve tabloların yanı sıra kimyasal makaleler ve patentlerdeki moleküler yapısal formüller ve reaksiyon formüllerini yorumlayabilen bir AI inşa etmeyi hedeflediğini belirtir.

MolMole, kırpılmış görüntüler yerine tam PDF belgelerini girdi olarak alır ve bir belge içindeki tanınan kimyasal verileri tek seferde döndürür, blog gönderisine göre. Model üç modülden oluşur. ViDetect, PDF sayfalarındaki moleküler yapı bölgelerini tespit eder ve bunları sınırlayıcı kutularla işaretler. ViReact, reaksiyon diyagramları içinde reaktantların, reaksiyon koşullarının ve ürünlerin konumlarını belirler ve her bölgeyi sınıflandırır. ViMore, tanınan yapıları SMILES, InChI ve Mol formatları dahil olmak üzere standart kimyasal temsillere dönüştürür; özellikle gürültülü, tarama temelli patent sayfaları için özelleştirilmiş teknikler kullanır.

LG AI Research, ViMore’un dört standart OCSR kıyaslamasından üçünde (CLEF, JPO, UOB ve USPTO) son teknoloji sonuçlar elde ettiğini, DECIMER Image Transformer, MolScribe ve MolGrapher’dan daha iyi performans gösterdiğini ve özellikle Japon patent belgelerinden çıkarılan düşük çözünürlüklü görüntülerden oluşan zorlu JPO veri setinde diğer modelleri geride bıraktığını rapor etti. LG’nin kendi kıyaslamasında, 300 patent sayfası ve 250 makale sayfasını ayrı ayrı değerlendirerek farklı özelliklerini yansıtmak amacıyla, birleşik ViDetect ve ViMore boru hattı, doğruluk ve geri çağırma açısından Decimer Segmentation ve Image Transformer ve MolDetect ve MolScribe’den daha iyi performans gösterdi; ayrıca ViReact, ReactionDataExtractor2.0 ve RxnScribe’den daha iyi sonuç verdi.

arXiv’e gönderilen temel makale, ilk olarak 30 Nisan 2025’te sunulmuş ve 8 Mayıs 2025’te revize edilmiştir. Makale, MolMole’u, molekül tespiti, reaksiyon diyagramı ayrıştırması ve OCSR’yi tek bir boru hattında birleştirerek sayfa düzeyindeki belgelerden doğrudan kimyasal veri çıkaran görsel tabanlı bir derin öğrenme çerçevesi olarak tanımlar. Standart bir sayfa düzeyi kıyaslaması ve değerlendirme ölçütünün eksikliğine değinen yazarlar, ayrıca molekül sınırlayıcı kutuları, reaksiyon etiketleri ve MOL dosyalarıyla anotasyonlu 550 sayfalık bir test seti ve yeni bir değerlendirme ölçütü sunar ve MolMole’un mevcut araç setlerini hem kendi kıyaslamalarında hem de kamu veri setlerinde geride bıraktığını rapor eder.

Elsevier’in iş akışında, her çıkarım boru hattı, yayına alınmadan önce mevcut Reaxys kıyaslamalarına karşı doğrulanır ve tam boru hattı, daha geniş kullanım öncesinde Elsevier’in veri ve iş akışı araçlarıyla bir test döneminden geçirilmiştir, duyuruda belirtildiği gibi.

Yönetici Açıklamaları ve Sonraki Aşamalar

Elsevier’de Life Sciences Yönetim Direktörü Mirit Eldor, ortaklığın kimyagerlere, daha fazla kimyayı şekillerden çıkarıp Reaxys’e küratörlü, aranabilir kanıt olarak taşıyarak zaman kazandırdığını söyledi. “Bir şeklin içinde gömülü bir yapı, bir çıkmaz nokta yerine kanıt olmalıdır,” dedi.

LG AI Research’te AI İş Dönüşüm Birimi lideri Hwayoung Edward Lee, modelin her bağın ve uzamsal düzenlemenin anlam taşıdığı karmaşık görsel kimyasal temsilleri çözmek için tasarlandığını ve Elsevier ile entegrasyonun ham görsel verileri araştırmacılar için yapılandırılmış bilgiye dönüştürdüğünü söyledi.

Kurumlar, reaksiyon çıkarımının iş birliğinin bir sonraki aşama olduğunu, görüntü tabanlı çıkarımı tek tek maddelerin ötesine genişleterek Reaxys üzerinden erişilebilen reaksiyon kanıtlarını artırdığını belirtti. Ayrıca, LG AI Research’in uzman AI yeteneklerini Elsevier’in kimya içeriği, bilimsel uzmanlığı ve küratörlüğüyle birleştirerek birlikte ele alınacak daha fazla müşteri sorununu araştırıyorlar. Çalışma, Elsevier’in Sorumlu AI İlkeleri ve Gizlilik İlkeleri’ne uygun olarak yürütülüyor, şirketler söyledi.