분자 탐색 · 분자 물성 → 구조
MolP2SBench
계산으로 얻은 물성값을 근거로 가려진 분자 조각을 복원합니다. 알려진 구조를 참조 정답으로 삼고, 제시 정보의 조건을 바꾸어 예측이 어떻게 달라지는지 살펴봅니다.
교육용 입문 패키지
관측값 2개 · 후보 2개 · 분자 문제군 1개
모델 입력, 입력과 분리된 정답 라벨, 채점 도구, Python 예제가 포함되어 있습니다. Python 3.9 이상이 필요하며, 기본 동작 확인에는 API 키가 필요하지 않습니다.
전체 벤치마크 보기
물성 채널별 원본 문제 136개 · 후보 2~4개
모든 조건의 과제 입력, 정답 라벨, 프롬프트, 채점 도구는 원본 저장소에서 확인하세요. 데이터 형식은 교육용 입문 패키지와 다릅니다.
외부에서 제공하는 데이터입니다. 저장소와 원본 데이터 각각의 재사용 조건을 확인하세요.
- 구조 복원
- 제시 정보 활용
- 반사실 조건에 대한 반응
전체 벤치마크에서 살펴보는 능력입니다. 교육용 두 문항으로는 입출력 방식을 익힐 수 있습니다.
수치와 용어 설명
과제는 모델이 답해야 하는 하나의 입력 데이터입니다. 문제군은 원본 데이터에 있는 분자 구조 복원 문제 하나와 관련 관측값을 묶은 그룹입니다. 물성 채널은 쌍극자 모멘트의 크기와 같이 단서로 주어지는 물성의 종류를 뜻합니다. 제시 정보의 조건은 과제에 정보를 연결하는 방식으로, 올바른 대응, 무작위 섞기, 반사실 조건이 있습니다. 평가 데이터를 나눌 때는 관련 레코드를 같은 그룹에 두어 분할 경계를 넘지 않도록 하세요.
- 입력
- 일부를 가린 구조, 물성값, 가려진 부분의 후보
- 출력
- 각 관측값에 맞는 후보 하나 선택
- 피드백
- 개발용 사례의 정답 여부 확인 및 참조값 비교
출처와 인용
벤치마크 논문 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).
이 자료 인용하기
MolP2SBench의 과제나 설계를 활용할 때는 벤치마크 논문을 인용하세요. QM9S에서 가져온 데이터를 사용한다면 QM9S의 원본 논문도 인용하고, 사용한 데이터셋 릴리스를 밝혀 주세요. 각 출처의 재사용 조건이 적용됩니다. A deep learning model for predicting selected organic molecular spectra · QM9S 데이터셋 릴리스.
아래 항목을 선택해 복사하거나 위의 BibTeX 파일을 내려받으세요.
@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}
}