分子探索 · 分子の物性 → 構造
MolP2SBench
計算された物性値から、隠された分子断片を復元します。既知の構造が参照解となり、条件を制御した比較で予測の変化を調べます。
教材用スターター
観測2件 · 候補2個 · 分子ファミリー1組
モデル入力、別ファイルのラベル、採点ツール、Pythonの例を含みます。Python 3.9以上が必要です。基本動作の確認にAPIキーは不要です。
ベンチマーク全体
物性チャネルごとに元の問題136件 · 候補2～4個
すべてのタスク入力、ラベル、プロンプト、採点ツールは元のリポジトリを参照してください。形式は教材用スターターと異なります。
外部の出典です。リポジトリと基礎データの再利用条件を確認してください。
- 構造の復元
- 証拠の活用
- 反実仮想への応答
ベンチマーク全体で調べる能力です。教材の2事例はインターフェースを紹介します。
これらの件数の意味は？
タスクは回答すべき1件の入力レコードです。ファミリーは、元の復元問題と関連する観測をひとまとめにしたものです。物性チャネルは、双極子モーメントの大きさなど、ある種類の証拠を提供します。証拠条件は、正しい対応、シャッフル、反実仮想など、証拠とタスクの組み合わせ方を定めます。独立した評価用データを分割する際は、関連するレコードを同じ組に保ってください。
- 入力
- 一部を隠した構造、物性値、補完候補
- 出力
- 各観測に対する候補の選択
- フィードバック
- 開発用事例における正誤判定と参照値との比較
出典と引用
ベンチマーク論文。 Yuhang Xie, Zhiyi Shi, Zeyi Zhang, Zhisheng Qi, Yushun Dong, Yu Wang, Xiongye Xiao. MolP2SBench: Do LLMs Really Reason from Molecular Properties to Structure? arXiv:2610.12522 (2026).
このリソースを引用
MolP2SBenchのタスクと設計については、ベンチマーク論文を引用してください。QM9S由来のレコードを使う場合は、元のQM9S論文も引用し、使用したデータセットのリリースを明記してください。各出典には固有の再利用条件があります。 A deep learning model for predicting selected organic molecular spectra · QM9Sデータセットのリリース.
下の項目を選択してコピーするか、上のBibTeXファイルをダウンロードしてください。
@misc{xie2026molp2sbench,
title = {MolP2SBench: Do LLMs Really Reason from Molecular Properties to Structure?},
author = {Yuhang Xie and Zhiyi Shi and Zeyi Zhang and Zhisheng Qi and Yushun Dong and Yu Wang and Xiongye Xiao},
year = {2026},
eprint = {2610.12522},
archivePrefix = {arXiv},
primaryClass = {physics.chem-ph},
url = {https://arxiv.org/abs/2610.12522}
}
@article{zou2023molecularspectra,
title = {A deep learning model for predicting selected organic molecular spectra},
author = {Zihan Zou and Yujin Zhang and Lijun Liang and Mingzhi Wei and Jiancai Leng and Jun Jiang and Yi Luo and Wei Hu},
journal = {Nature Computational Science},
year = {2023},
volume = {3},
pages = {957--964},
doi = {10.1038/s43588-023-00550-y},
url = {https://doi.org/10.1038/s43588-023-00550-y}
}