Nauwkeurig, interdisciplinair en transparant structuur-eigenschap inzicht met diepe native structurele redenering

Samenvatting

Structuur-eigenschaprelaties zijn fundamenteel voor biologie, scheikunde en materiaalkunde, waar functie, reactiviteit en fysieke respons voortkomen uit ruimtelijke, chemische en periodieke organisatie. Het mechanistisch verklaren van deze relaties vereist het interpreteren van structureel bewijs via wetenschappelijke principes en fysieke beperkingen, van stereochemie en binding tot symmetrie, energetica en periodieke ordening. Het toepassen van kunstmatige intelligentie op dit proces vormt echter een gezamenlijke uitdaging van representatie en redenering: modellen moeten domeineigen structurele informatie behouden en tegelijkertijd laten zien hoe specifiek bewijs onder deze beperkingen voorspellingen ondersteunt. Hier introduceren we SciReasoner, een multimodaal wetenschappelijk fundamentmodel voor native structureel redeneren over eiwitten, kleine moleculen en anorganische kristallen. SciReasoner discretiseert coördinaten, topologieën en periodieke verbindingen in een uniform, structuurbewust vocabulaire, waarbij structurele tokens worden behandeld als adresseerbare bewijseenheden tijdens het redeneren. In homologiegecontroleerde Gene Ontology-voorspelling verbetert SciReasoner de annotatie van Cellulaire Component voor eiwitten met lage homologie en weesachtige eiwitten, waarbij de F_max stijgt van 0,42 naar 0,55. In de chemie verhoogt het de nauwkeurigheid van eenstapsretrosynthese van 0,63 naar 0,72, terwijl het fragmentniveau-ontkoppelings- en precursorverificatiesporen genereert. In de materiaalkunde scheiden zijn representaties elementaire en verbindingsfasen en lossen ze hoge- en lage-bandafstandregimes op. Over 86 benchmarks heen bereikt SciReasoner state-of-the-art prestaties op 67 taken. Dubbeleblinde expertevaluatie beoordeelt zijn redeneersporen als preferent of ten minste vergelijkbaar met die van een geavanceerd groot taalmodel in 98% van de gevallen. Door structuur een inspecteerbaar substraat te maken voor redeneren onder wetenschappelijke beperkingen, verbindt SciReasoner nauwkeurige voorspelling met interpreteerbare wetenschappelijke inferentie.

English

Structure-property relationships are foundational to biology, chemistry and materials science, where function, reactivity and physical response emerge from spatial, chemical and periodic organization. Mechanistically explaining these relationships requires interpreting structural evidence through scientific principles and physical constraints, from stereochemistry and bonding to symmetry, energetics and periodic order. However, applying artificial intelligence to this process presents a joint challenge of representation and reasoning: models must preserve domain-native structural information while showing how specific evidence supports predictions under these constraints. Here we introduce SciReasoner, a multimodal scientific foundation model for native structural reasoning across proteins, small molecules and inorganic crystals. SciReasoner discretizes coordinates, topologies and periodic connectivities into a unified structure-aware vocabulary, treating structural tokens as addressable evidence units during reasoning. In homology-controlled Gene Ontology prediction, SciReasoner improves Cellular Component annotation for low-homology and orphan-like proteins, increasing F_{max} from 0.42 to 0.55. In chemistry, it raises single-step retrosynthesis accuracy from 0.63 to 0.72 while generating fragment-level disconnection and precursor-verification traces. In materials science, its representations separate elemental and compound phases and resolve high- and low-band-gap regimes. Across 86 benchmarks, SciReasoner achieves state-of-the-art performance on 67 tasks. Double-blind expert evaluation rates its reasoning traces as preferred or at least comparable to those of a frontier large language model in 98% of cases. By making structure an inspectable substrate for reasoning under scientific constraints, SciReasoner connects accurate prediction with interpretable scientific inference.