SciReasoner是什么
SciReasoner 是上海人工智能实验室联合港中文、中科院药物所、斯坦福、牛津等团队推出的新一代科学推理多模态基础模型。模型首次提出原生结构推理范式，将蛋白质三维结构、分子拓扑与晶体晶格转化为可寻址的推理证据单元，使 AI 像科学家一样围绕真实结构证据组织分析。模型基于 Qwen3 持续预训练，在 86 项跨学科基准中 67 项达到 SOTA，覆盖蛋白功能注释、逆合成规划、药物筛选与材料性质预测，实现从黑箱预测到可解释科学链路的跨越。
SciReasoner的主要功能
- 蛋白质功能注释：基于 3D 结构（Foldseek 3Di 表示）预测 Gene Ontology 术语，在低同源和孤儿蛋白上表现尤为突出。
- 逆合成规划：分析产物骨架与官能团，识别关键断键位点，验证反应物结构并判断反应可行性。
- 分子虚拟筛选：基于三维药团相似性进行药物分子筛选，无需额外对接打分或任务微调。
- 材料性质预测：分析晶体空间群、配位环境与周期连接性，预测形成能、带隙等物理化学性质。
- 科学问答与生成：支持跨蛋白质、DNA/RNA、小分子、晶体的开放式科学问答与分子设计。
SciReasoner的技术原理
- 统一结构感知词表：将不同科学对象离散化为结构感知 Token，小分子使用 ConfSeq，蛋白质使用 Foldseek 3Di，晶体使用 SLICES，避免传统分词对化学语义的破坏。
- 三阶段持续预训练：基于 Qwen3 进行 Warm-up 训练、全参数多模态训练、退火训练，建立稳定的结构-语言接口。
- 后训练推理框架：采用自举式原生结构推理，通过领域内结构证据接地训练蛋白/分子/材料专家，再通过跨领域推理整合将专家能力统一，使用强化学习连接结构词表语义与思维链策略。
- 可审查的推理轨迹：模型输出
微信关注回复“开源”，加入AI开源项目交流群
如何使用SciReasoner
- 获取资源：访问 GitHub 仓库克隆代码并下载模型权重。
- 安装环境：按照 README 配置 Python 依赖与运行环境。
- 准备数据：根据任务类型整理蛋白质 PDB/3Di、分子 SMILES/ConfSeq 或晶体 CIF/SLICES 等结构输入。
- 加载模型：初始化 SciReasoner 模型并接入结构感知词表。
- 输入指令：将结构数据与自然语言问题组合送入模型。
- 获取推理：模型输出带
- 验证结果：将推理轨迹中的结构 Token 映射回三维结构进行专家审核。
SciReasoner的核心优势
- 原生结构推理：结构 Token 不是辅助输入，而是推理的核心证据单元，推理过程可围绕空间关系、配位环境、对称性等展开。
- 低同源场景优势显著：在序列相似度低于 30% 的蛋白功能预测中，Cellular Component Fmax 从 0.42 提升至 0.55，远超 BLAST 和 ESM2。
- 跨学科统一能力：单一模型覆盖生物学、化学、材料科学三大领域，在 86 项基准中 67 项达到 SOTA，打破传统专用模型壁垒。
- 可解释性领先：双盲专家评估中，98% 的案例认为其推理轨迹优于或与前沿大语言模型相当，推理链可直接映射到三维结构区域。
- 化学推理精度高：USPTO-50K 逆合成 Top-1 准确率达 72.0%，显著超过此前最佳方法 RSGPT 的 63.4%。
SciReasoner的项目地址
- 项目官网：https://scireasoner.github.io/
- GitHub仓库：https://github.com/SpectrAI-Initiative/SciReasoner
- arXiv技术论文：https://arxiv.org/pdf/2607.07708
SciReasoner的同类竞品对比
维度 | SciReasoner | ESM2 (Meta) | 定位跨学科科学推理基础模型蛋白质语言模型
输入模态蛋白结构/序列、分子、晶体仅蛋白质序列
推理范式原生结构推理，可审查轨迹序列嵌入预测，黑箱输出
低同源蛋白CC Fmax 0.55（≤30% 相似度）CC Fmax 0.42
可解释性推理链可映射至结构 Token注意力热图，无自然语言推理
跨领域生物+化学+材料统一模型仅限蛋白质领域
SciReasoner的应用场景
- 孤儿蛋白功能发现：针对缺乏同源序列的未知蛋白质，通过三维折叠结构推断其分子功能与亚细胞定位。
- 药物分子逆合成设计：辅助化学家规划从靶点分子到商业可得前体的合成路线，明确断键位点与反应条件。
- 新型材料筛选：基于晶体结构预测材料稳定性与电子性质，加速电池材料、催化剂等的功能材料研发。
- AI 辅助科学教育：利用其可解释的推理轨迹，帮助学生理解”结构决定性质”的科学思维过程。
- 跨模态科学发现：整合蛋白质-小分子相互作用、RNA 功能预测等多模态任务，支持系统生物学研究。
