SciReasoner

SciReasoner – 上海AI Lab等推出的科学推理多模态基础模型

SciReasoner：赋能科学研究的新一代智能推理引擎

由上海人工智能实验室牵头，联合香港中文大学、中国科学院药物研究所、斯坦福大学、牛津大学等顶尖学术机构的精英团队，重磅推出了一款名为 SciReasoner 的性科学推理多模态基础模型。这款模型独树一帜，首次引入了“原生结构推理”范式，将蛋白质的三维构象、分子的拓扑结构以及晶体的晶格信息，巧妙地转化为可供 AI 精准定位和分析的“推理证据单元”。其核心目标是让 AI 能够像经验丰富的科学家一样，围绕真实的结构证据展开严谨的分析和推理。

SciReasoner 以 Qwen3 模型为基础，通过持续的预训练，在跨越 86 项不同学科的基准测试中，取得了令人瞩目的成就，其中 67 项达到了最先进（SOTA）水平。其应用范围广泛，涵盖了蛋白质功能注解、逆合成路径规划、药物分子筛选以及材料性质预测等关键领域，标志着 AI 在科学研究领域正从单纯的“黑箱预测”模式，迈向更加透明、可解释的科学推理链路。

SciReasoner 的核心能力亮点

• 精准解读蛋白质功能：借助蛋白质的三维结构信息（以 Foldseek 3Di 表示），SciReasoner 能够精准预测其对应的 Gene Ontology 术语。尤其在面临同源性较低或功能未知的“孤儿蛋白”时，其表现尤为突出，为深入理解蛋白质功能提供了强有力的支持。
• 智能规划化学合成：对于复杂的逆合成问题，SciReasoner 能够深入分析目标产物的骨架和团，识别出关键的化学断键位点。它还能进一步验证反应物结构的合理性，并评估反应的可行性，极大地提高了化学合成的效率和成功率。
• 高效的分子虚拟筛选：无需进行额外的分子对接打分或针对特定任务进行微调，SciReasoner 能够直接基于三维药团的相似性进行药物分子的筛选，加速了新药研发的进程。
• 预测材料的物理化学特性：通过分析晶体的空间群、配位环境以及周期性连接方式，SciReasoner 能够精准预测材料的形成能、带隙等关键物理化学性质，为新型材料的设计与开发提供科学依据。
• 开放式科学问答与生成：SciReasoner 支持对蛋白质、DNA/RNA、小分子以及晶体等多种科学对象进行开放式的问答，并能根据用户需求进行分子设计，展现了其强大的跨模态理解和生成能力。

SciReasoner 的技术基石

• 统一的结构感知词表：SciReasoner 的一大创新在于其构建了一个统一的结构感知词表。它将不同科学对象（如小分子的 ConfSeq、蛋白质的 Foldseek 3Di、晶体的 SLICES）离散化为结构感知 Token，有效避免了传统分词方法可能带来的化学语义损失，确保了信息输入的准确性。
• 精细化的三阶段持续预训练：模型基于 Qwen3 进行了细致的三阶段持续预训练：首先是 Warm-up 训练，接着是全参数多模态训练，最后是退火训练。这一过程旨在建立一个稳定且高效的结构-语言接口。
• 强大的后训练推理框架：SciReasoner 采用了“自举式原生结构推理”方法。通过领域内的结构证据对蛋白、分子、材料等专家模型进行接地训练，再通过跨领域的推理整合，将各专家的能力融会贯通。此外，强化学习被用于连接结构词表的语义与思维链策略，进一步提升了推理的智能化水平。
• 可追溯的推理轨迹：SciReasoner 输出的推理过程被封装在 <think.../think> 标签中。中间的推理步骤均可追溯到具体的结构 Token，实现了从“黑箱”式的预测向可解释科学链路的根本性转变。

关注微信公众号，回复“开源”，即可加入AI开源项目交流群，与同行一起探索前沿技术。

如何解锁 SciReasoner 的强大功能

• 获取所需资源：访问 SciReasoner 的 GitHub 仓库，克隆代码并下载预训练模型权重。
• 搭建运行环境：根据 README 文档的指引，配置好必要的 Python 依赖和运行环境。
• 准备输入数据：根据您要执行的具体任务，整理相应的结构输入数据，例如蛋白质的 PDB/3Di 文件、分子的 SMILES/ConfSeq 字符串，或晶体的 CIF/SLICES 文件。
• 加载 SciReasoner 模型：初始化 SciReasoner 模型，并将其与结构感知词表进行对接。
• 构建输入指令：将准备好的结构数据与您的自然语言问题相结合，形成输入指令，送入模型。
• 接收推理结果：模型将输出带有 <think.../think> 标签的可审查推理链，以及最终的预测结果。
• 验证推理过程：您可以将推理轨迹中的结构 Token 映射回实际的三维结构，由专家进行审核和验证。

SciReasoner 的独特优势

• 颠覆性的原生结构推理：SciReasoner 将结构 Token 置于推理的核心地位，而非仅仅作为辅助输入。这使得推理过程能够真正围绕空间关系、配位环境、对称性等结构特性展开，实现了对科学问题的深度理解。
• 在低同源场景下的卓越表现：在蛋白质功能预测任务中，当序列相似度低于 30% 时，SciReasoner 的 Cellular Component Fmax 指标从 0.42 提升至 0.55，显著超越了 BLAST 和 ESM2 等传统方法。
• 跨学科的统一能力：SciReasoner 实现了对生物学、化学、材料科学三大核心领域的统一覆盖，并且在 86 项基准测试中，有 67 项达到了 SOTA 水平，打破了传统专用模型的局限性。
• 无与伦比的可解释性：通过双盲专家评估，98% 的案例认为 SciReasoner 的推理轨迹优于或媲美当前最先进的大语言模型，其推理链能够直接关联到三维结构的关键区域。
• 高精度的化学推理能力：在 USPTO-50K 逆合成任务中，SciReasoner 的 Top-1 准确率达到了 72.0%，远高于此前最佳方法 RSGPT 的 63.4%，展现了其在复杂化学推理方面的强大实力。

SciReasoner 项目链接

• 官方网站：https://scireasoner.github.io/
• GitHub 仓库：https://github.com/SpectrAI-Initiative/SciReasoner
• 技术论文（arXiv）：https://arxiv.org/pdf/2607.07708

SciReasoner 与同类竞品对比分析

SciReasoner 的应用场景展望

• 解析孤儿蛋白的奥秘：对于序列信息稀缺的未知蛋白质，SciReasoner 能够通过分析其三维折叠结构，推断出其分子功能和细胞内的亚细胞定位，填补科学认知的空白。
• 助力药物分子逆向设计：SciReasoner 可以为化学家提供从目标分子逆向推导至易于获得的起始原料的合成路线，清晰标示关键断键位点和潜在的反应条件，极大地简化了药物研发流程。
• 加速新型材料的研发：通过对晶体结构的深入分析，SciReasoner 能够预测材料的稳定性及电子性能，为电池材料、催化剂等功能性材料的创新设计提供强大的技术支持。
• 赋能科学教育的创新：SciReasoner 所提供的可解释推理轨迹，能够帮助学生清晰地理解“结构决定性质”这一核心科学原理，提升科学学习的直观性和深度。
• 推动跨模态科学发现：SciReasoner 整合了蛋白质与小分子相互作用、RNA 功能预测等多种跨模态任务，为系统生物学等前沿研究领域提供了强大的分析工具。