Elsevier 将 LG AI Research 的化学视觉模型集成至 Reaxys

Elsevier 与 LG AI Research 宣布，于 2026 年 9 月 15 日称，由 LG AI Research 开发的专用于化学的 AI 视觉技术现已在 Elsevier 的 Reaxys 内容提取和策展流程中使用，Reaxys 是 Elsevier 的化学发现平台，使得仅以图像、绘图和反应示意图形式出现在专利和科学文献中的物质能够被检索。

两家公司表示，专利和期刊内容中图像的物质信息比以往更快、更准确且规模更大地被捕获。此工作提升了 Elsevier 对 Reaxys 中物质、反应、生物活性、生物靶点及物质属性的内容提取和科学策展能力。

为何基于图像的化学信息难以检索

据公告称，化学家依赖的大量物质和反应信息是通过图形、绘图和反应示意图而非可检索文本进行传达的。当这些化学信息不可检索时，研究人员只能手动检查文献，以确认某化合物或反应是否已被描述。化学绘图通过键、原子、立体化学和空间关系编码意义，因此模型若误读键可能识别出错误的化合物，而漏掉结构则会使化学家得到不完整的图景。此类挑战在新颖性检索、竞争情报、合成规划以及无机和金属有机化学等领域尤为突出，因为这些领域的复杂结构更难以提取和索引。

MolMole 模型及其报告的基准

该技术在单一模型中结合了分子检测、反应图解析和光学化学结构识别（OCSR），LG AI Research 发布的基准报告显示其在从完整文档页面提取化学信息方面优于其他方案。2025 年 5 月 7 日的 LG AI Research 研究博客文章将该模型命名为 MolMole，系在该团队的深度文档理解计划下开发，旨在构建能够解释普通文档中的文本、图表和表格，以及化学论文和专利中的分子结构式和反应式的 AI。

根据博客文章，MolMole 直接以完整 PDF 文档为输入，而无需裁剪图像，并一次性返回文档中识别出的化学数据。该模型由三个模块组成。ViDetect 检测 PDF 页面中的分子结构区域并用边界框标记。ViReact 确定反应图中反应物、反应条件和产物的位置并对每个区域进行分类。ViMore 将识别的结构转换为标准化学表示形式，包括 SMILES、InChI 和 Mol 格式，并针对噪声较大的扫描式专利页面采用专门技术。

LG AI Research 报告称，ViMore 在四个标准 OCSR 基准（CLEF、JPO、UOB 和 USPTO）中的三项取得了业界领先的成果，优于 DECIMER Image Transformer、MolScribe 和 MolGrapher，尤其在 JPO 基准上表现突出——该基准是从日本专利文献中提取的、以低分辨率图像为主的挑战性数据集。在 LG 自己的基准测试中，分别评估 300 页专利和 250 页论文以反映其不同特性，ViDetect 与 ViMore 的组合流水线在精确率和召回率上超越了 Decimer Segmentation、Image Transformer、MolDetect 和 MolScribe，而 ViReact 则优于 ReactionDataExtractor2.0 和 RxnScribe。

该基础论文，已发布至 arXiv最初于 2025 年 4 月 30 日提交，随后于 5 月 8 日修订。论文将 MolMole 描述为一种基于视觉的深度学习框架，将分子检测、反应图解析和 OCSR 融合为单一流水线，以直接从页级文档中提取化学数据。作者指出缺乏标准的页级基准和评估指标，并提供了一个 550 页的测试集，标注了分子边界框、反应标签和 MOL 文件，同时引入了新的评估指标，报告称 MolMole 在其基准和公开数据集上均优于现有工具套件。

根据公告，在 Elsevier 的工作流中，每条提取流水线在上线前都会针对现有的 Reaxys 基准进行验证，完整流水线也在 Elsevier 的数据和工作流工具中经历了测试期后才广泛使用。

高管声明与后续阶段

Elsevier 生命科学业务董事总经理 Mirit Eldor 表示，此合作通过将更多化学信息从图形中转移至 Reaxys，作为经策划、可检索的证据，为化学家节省了时间。她说：“埋藏在图形中的结构应当成为证据，而非死胡同。”

LG AI Research AI 业务转型单元负责人 Hwayoung Edward Lee 表示，该模型旨在解码每个键和空间布局都蕴含意义的复杂视觉化学表示，并且与 Elsevier 的整合将原始视觉数据转化为供研究人员使用的结构化知识。

这些组织表示，反应提取是合作的下一阶段，旨在将基于图像的提取从单一物质扩展到更广泛的反应证据，从而丰富 Reaxys 中可获取的反应信息。他们还在探索进一步的客户挑战，以便将 LG AI Research 的专业 AI 能力与 Elsevier 的化学内容、科学专长和策展工作相结合，共同应对。这项工作遵循 Elsevier 的负责任 AI 原则和隐私原则，双方均表示。