分子探索 · 分子の物性 → 構造
MolP2SBench
計算で得た物性値を手がかりに、隠された分子断片を復元します。既知の構造を参照解とし、提示情報の条件を変えて予測の変化を調べます。
教材用の入門パッケージ
観測2件・候補2個・分子ファミリー1組
モデルへの入力、入力とは別に保存した正解ラベル、採点ツール、Pythonの実行例を収録しています。Python 3.9以上が必要です。基本動作の確認にはAPIキーは不要です。
ベンチマーク全体を見る
物性チャネルごとに元の問題136件・候補2〜4個
すべての条件のタスク入力、正解ラベル、プロンプト、採点ツールは、元のリポジトリから入手できます。データ形式は教材用の入門パッケージとは異なります。
外部サイトのデータです。リポジトリと元データそれぞれの再利用条件を確認してください。
- 構造の復元
- 提示情報の利用
- 反実仮想条件への応答
ベンチマーク全体で調べる能力です。教材用の2問では、入出力の扱いを確認できます。
件数と用語の説明
タスクは、モデルが回答する1件の入力データです。ファミリーは、元データの分子構造復元問題1件と、それに関連する観測をまとめたグループです。物性チャネルは、双極子モーメントの大きさなど、手がかりとなる物性の種類を指します。提示情報の条件には、正しい対応、シャッフル、反実仮想があります。評価用にデータを分割する際は、関連するレコードを同じグループにまとめ、分割をまたがないようにしてください。
- 入力
- 一部を隠した構造、物性値、欠損部分の候補
- 出力
- 各観測に対応する候補を1つ選択
- フィードバック
- 開発用の事例で正誤を判定し、参照値と比較
出典と引用
ベンチマークの論文。 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).
この資料の引用方法
MolP2SBenchのタスクや設計を利用する際は、ベンチマーク論文を引用してください。QM9S由来のデータを使う場合は、QM9Sの原論文も引用し、使用したデータセットのリリースを明記してください。それぞれの出典の再利用条件が適用されます。 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}
}