शोधकर्ताओं द्वारा सामना की जा रही चुनौती को समझने के लिए, सबसे पहले जीवन को बनाने वाले अणुओं की अत्यधिक जटिलता को समझना आवश्यक है। प्रोटीन, डीएनए और आरएनए स्थिर मूर्तियाँ नहीं हैं, बल्कि छोटे रासायनिक इकाइयों की श्रृंखलाओं से बनी जटिल, त्रि-आयामी मशीनें हैं। उनका कार्य पूरी तरह से इस बात पर निर्भर करता है कि ये श्रृंखलाएं अंतरिक्ष में कैसे मुड़ती और घूमती हैं, जिससे विशिष्ट परमाणु एक-दूसरे के संपर्क में आते हैं। दशकों से, वैज्ञानिक केवल रासायनिक कोड के आधार पर इन आकारों की भविष्यवाणी करने के लिए संघर्ष कर रहे हैं। समस्या यह है कि एक श्रृंखला के मुड़ने के तरीके खगोलीय संख्या में हैं, और एक बड़े अणु में प्रत्येक एकल परमाणु की सटीक स्थिति की गणना करना कम्प्यूटेशनल रूप से अत्यधिक बोझिल है। पारंपरिक तरीके अक्सर व्यक्तिगत परमाणुओं के सूक्ष्म विवरणों को अनदेखा करके समस्या को सरल बना देते हैं, और इसके बजाय श्रृंखला के 'बैकबोन' (रीढ़) पर ध्यान केंद्रित करते हैं, जिससे वे उन महत्वपूर्ण अंतःक्रियाओं को चूक सकते हैं जो यह निर्धारित करती हैं कि कोई दवा किसी लक्ष्य से कैसे जुड़ती है या एक एंजाइम कैसे कार्य करता है।

शोधकर्ताओं की एक टीम ने अब एक नया दृष्टिकोण विकसित किया है जो उच्च-स्तरीय रासायनिक विवरणों और आणविक संरचनाओं की सटीक, परमाणु-दर-परमाणु वास्तविकता के बीच के अंतर को पाटता है। उन्होंने एक ऐसी प्रणाली बनाई है जो अणु की निरंतर, तरल ज्यामिति को प्रतीकों के एक सेट में अनुवादित करती है, ठीक वैसे ही जैसे एक जटिल धुन को संगीत के नोट्स के अनुक्रम में बदलना। एक अणु के विस्तृत आकार को 8,192 अद्वितीय टोकन की शब्दावली में संकुचित करके, वे केवल अणु की रासायनिक पहचान के आधार पर इन प्रतीकों की भविष्यवाणी करने के लिए एक शक्तिशाली कृत्रिम बुद्धिमत्ता (AI) को प्रशिक्षित करने में सक्षम हुए। एक बार जब AI प्रतीकों के अनुक्रम की भविष्यवाणी कर देता है, तो उनके सिस्टम का दूसरा भाग उन्हें हर भारी परमाणु (heavy atom) वाले पूर्ण, त्रि-आयामी मॉडल में वापस विस्तारित करता है। यह विधि कंप्यूटर को कच्चे डेटा की विशाल मात्रा में उलझे बिना आणविक फोल्डिंग (folding) के नियमों को सीखने की अनुमति देती है, जिससे सटीकता का एक ऐसा स्तर प्राप्त होता है जो सबसे उन्नत मौजूदा उपकरणों के बराबर है।

इस उपलब्धि का मूल एक उपकरण है जिसे वे "ऑल-एटम स्ट्रक्चर टोकेनाइज़र" (all-atom structure tokenizer) कहते हैं। कल्पना कीजिए कि आप फोन पर अपने मित्र को एक जटिल मूर्ति के आकार का वर्णन करने की कोशिश कर रहे हैं। यदि आप सतह के हर एक बिंदु के निर्देशांकों (coordinates) को सूचीबद्ध करने का प्रयास करेंगे, तो बातचीत कभी समाप्त नहीं होगी। इसके बजाय, आप मूर्ति को उसके प्रमुख घटकों के संदर्भ में वर्णित कर सकते हैं—जैसे सिर, धड़, हाथ—और वे कैसे जुड़ते हैं। इस टीम ने अणुओं के लिए ऐसा ही कुछ किया। उन्होंने प्रोटीन, डीएनए और छोटे ड्रग-जैसे अणुओं को मानक रासायनिक इकाइयों में विभाजित किया। प्रोटीन के लिए, एक इकाई एक एकल अमीनो एसिड अवशेष है; डीएनए के लिए, यह एक न्यूक्लियोटाइड है; और एक छोटे ड्रग अणु के लिए, यह एक एकल भारी परमाणु है। फिर उन्होंने एक न्यूरल नेटवर्क बनाया जो इन इकाइयों के संपूर्ण संयोजन को देखता है, यह समझता है कि वे अंतरिक्ष में एक-दूसरे से कैसे संबंधित हैं, और उस स्थानिक व्यवस्था को संख्याओं की एक छोटी स्ट्रिंग में परिवर्तित करता है।

यह रूपांतरण प्रक्रिया ही "टोकेनाइज़र" है। यह परमाणुओं के निरंतर, तैरते हुए निर्देशांकों को लेता है और उन्हें 8,192 संभावित कोडों के एक निश्चित सेट में सिकोड़ देता है। शोधकर्ताओं ने 'फाइनाइट स्केलर क्वांटाइजेशन' (finite scalar quantization) नामक तकनीक का उपयोग किया, जो एक उच्च-सटीक पैमाने की तरह काम करता है जो किसी भी माप को ग्रिड पर निकटतम चिह्नित रेखा पर फिट कर देता है। यह सुनिश्चित करता है कि आणविक आकारों की जटिल, अनंत संभावनाओं को एक सीमित, प्रबंधनीय शब्दावली में बदल दिया जाए। महत्वपूर्ण रूप से, यह प्रक्रिया अणु की रासायनिक पहचान को सुरक्षित रखती है। सिस्टम जानता है कि एक विशिष्ट टोकन एक विशिष्ट साइड चेन के साथ एक विशेष अमीनो एसिड, या एक ड्रग अणु में एक विशिष्ट परमाणु का प्रतिनिधित्व करता है, बिना स्वयं टोकन में सटीक निर्देशांकों को संग्रहीत किए। निर्देशांक बाद में प्राप्त किए जाते हैं, जब टोकन का अनुक्रम भविष्यवाणी कर लिया जाता है।

इस टोकेनाइज़र के साथ, शोधकर्ताओं ने एक लार्ज लैंग्वेज मॉडल को प्रशिक्षित किया, जिसे उन्होंने 'एटम-एलएम-9बी' (AtomLM-9b) नाम दिया, ताकि वे इन संरचनात्मक टोकनों की भविष्यवाणी कर सकें। यह मॉडल एक शक्तिशाली मौजूदा AI आर्किटेक्चर पर आधारित है लेकिन इसे रसायन विज्ञान को समझने के लिए अनुकूलित किया गया है। वाक्यों को पढ़ने और अगले शब्द की भविष्यवाणी करने के बजाय, यह एक अणु की रासायनिक पहचान—परमाणुओं की सूची और वे कैसे बंधे हुए हैं—को पढ़ता है और उन संरचनात्मक टोकनों के अनुक्रम की भविष्यवाणी करता है जो उसके 3D आकार का वर्णन करते हैं। मॉडल प्रशिक्षण के दौरान अंतिम 3D संरचना को नहीं देखता है; यह केवल रासायनिक रेसिपी को देखता है और टोकनों के सही अनुक्रम को आउटपुट करना सीखता है। एक बार जब मॉडल यह अनुक्रम उत्पन्न कर लेता है, तो टोकेनाइज़र का साथी, "डी-टोकेनाइज़र" (de-tokenizer), कार्यभार संभाल लेता है। यह टोकन के अनुक्रम को, मूल रासायनिक जानकारी के साथ, पढ़ता है और अणु के प्रत्येक परमाणु के पूर्ण 3D निर्देशांकों का पुनर्निर्माण करता है। यह दो-चरणीय प्रक्रिया अनुक्रम को समझने के कार्य को आकार बनाने के कार्य से अलग करती है, जिससे प्रत्येक भाग को स्वतंत्र रूप से अनुकूलित किया जा सकता है।

इस दृष्टिकोण के परिणाम आश्चर्यजनक हैं। प्रोटीन संरचनाओं के एक मानक सेट पर, जिसका उपयोग भविष्यवाणी उपकरणों के मूल्यांकन के लिए किया जाता है, इस प्रणाली ने एक प्रमुख बेंचमार्क पर 0.832 और दूसरे पर 0.835 का 'ऑल-एटम एक्यूरेसी स्कोर' प्राप्त किया। ये स्कोर संकेत देते हैं कि पुनर्गठित संरचनाएं वास्तविक, प्रयोगात्मक रूप से देखी गई आकृतियों के अत्यंत करीब हैं। प्रोटीन-प्रोटीन इंटरेक्शन कार्यों के एक विशिष्ट सेट पर प्रत्यक्ष तुलना में, नए मॉडल ने 75.01% की सफलता दर हासिल की, जो अल्फाफोल्ड 3 (AlphaFold 3) के प्रकाशित परिणामों (72.93%) से थोड़ा बेहतर है। मॉडल ने डीएनए और आरएनए के आकार की भविष्यवाणी करने और छोटे ड्रग अणुओं के प्रोटीन से जुड़ने के तरीके को निर्धारित करने में भी मजबूत प्रदर्शन दिखाया, जो ऐसे क्षेत्र हैं जहाँ अन्य मॉडल कभी-कभी संघर्ष करते हैं।

शोधकर्ताओं ने यह सुनिश्चित करने के लिए कि परिणाम वास्तविक हैं, सख्त परिस्थितियों में सिस्टम का परीक्षण किया कि मॉडल केवल उत्तरों को याद न कर ले। उन्होंने मॉडल को ज्ञात आणविक संरचनाओं के विशाल संग्रह पर प्रशिक्षित किया लेकिन परीक्षण के मामलों को प्रशिक्षण डेटा से बाहर रखा। उन्होंने यह भी सत्यापित किया कि मॉडल विभिन्न प्रकार के अणुओं के जटिल मिश्रणों को एक साथ संभाल सकता है, जैसे कि एक प्रोटीन जो डीएनए के एक टुकड़े और एक छोटे ड्रग अणु से बंधा हो। सिस्टम ने इन जटिल संयोजनों के आकारों की सफलतापूर्वक भविष्यवाणी की, जिससे सिद्ध हुआ कि टोकन की साझा शब्दावली विभिन्न प्रकार के रसायन विज्ञान में काम करती है। मॉडल पूर्व-मौजूदा संरचनात्मक टेम्पलेट्स या मल्टीपल सीक्वेंस एलाइनमेंट पर निर्भर नहीं करता है, जिनका उपयोग अक्सर अन्य तरीकों द्वारा सटीकता बढ़ाने के लिए किया जाता है। इसके बजाय, यह फोल्डिंग के भौतिक नियमों को सीधे डेटा से सीखता है।

उनके कार्य का एक सबसे महत्वपूर्ण पहलू भाषा मॉडल और भौतिक संरचना के बीच के इंटरफेस की स्पष्टता है। टोकन के एक असतत (discrete) सेट का उपयोग करके, शोधकर्ताओं ने एक स्वच्छ सीमा बनाई है जहाँ AI एक अनुक्रम की भविष्यवाणी करता है, और एक अलग, नियत (deterministic) प्रक्रिया उस अनुक्रम को 3D मॉडल में बदल देती है। यह अलगाव इस बात का कठोर मूल्यांकन करने की अनुमति देता है कि AI रसायन और आकार के बीच के संबंध को कितनी अच्छी तरह समझता है। अध्ययन से पता चलता है कि यह असतत दृष्टिकोण न केवल एक सैद्धांतिक अभ्यास है, बल्कि एक व्यावहारिक विधि भी है जो उच्च-गुणवत्ता वाली परमाणु संरचनाएं उत्पन्न कर सकती है। साइड चेन और लिगैंड परमाणुओं की स्थिति की भविष्यवाणी करने की मॉडल की क्षमता यह बताती है कि इसने उन सूक्ष्म ज्यामितीय बाधाओं को सीख लिया है जो आणविक अंतःक्रियाओं को नियंत्रित करती हैं।

टीम ने यह भी पता लगाने के लिए कि प्रत्येक भाग अंतिम परिणाम में कितना योगदान देता है, विशिष्ट घटकों को हटाकर अपने सिस्टम की सीमाओं का परीक्षण किया। उन्होंने पाया कि मॉडल जिस पदानुक्रमित (hierarchical) तरीके से सूचना को संसाधित करता है—व्यक्तिगत परमाणुओं से रासायनिक इकाइयों तक और फिर संपूर्ण संयोजन तक—वह सटीकता के लिए आवश्यक था। उन्होंने यह भी खोजा कि विभिन्न इकाइयों में परमाणुओं की स्थिति को परिष्कृत करने की क्षमता—जिससे एक प्रोटीन अवशेष पास के ड्रग अणु के आधार पर अपना आकार बदल सके—बाइंडिंग पोस (binding poses) को सही करने के लिए महत्वपूर्ण थी। इन सुधारों के बिना, अणुओं की अंतःक्रिया की भविष्यवाणी करने की मॉडल की क्षमता काफी कम हो जाती। ये निष्कर्ष पुष्टि करते हैं कि सिस्टम केवल अनुमान नहीं लगा रहा है, बल्कि आणविक संयोजन की भौतिक वास्तविकता को पकड़ रहा है।

यद्यपि यह प्रणाली अत्यधिक सटीक है, शोधकर्ता स्वीकार करते हैं कि यह पूर्ण नहीं है। सीमित शब्दावली का अर्थ है कि कुछ बहुत ही दुर्लभ या असामान्य रासायनिक विन्यास सामान्य विन्यासों की तरह सटीक रूप से प्रस्तुत नहीं हो सकते हैं। मॉडल 'हेवी एटम्स' (भारी परमाणुओं) पर ध्यान केंद्रित करता है और वर्तमान में हाइड्रोजन परमाणुओं की स्थिति या आसपास के जल वातावरण के प्रभावों की भविष्यवाणी नहीं करता है, जो कुछ विशिष्ट जैविक प्रश्नों के लिए महत्वपूर्ण हैं। हालांकि, अधिकांश संरचनात्मक जीव विज्ञान कार्यों के लिए, विवरण का स्तर कार्य को समझने के लिए पर्याप्त है। इस दृष्टिकोण की सफलता यह सुझाव देती है कि आणविक ज्यामिति को एक भाषा के रूप में मानना, जिसमें विभिन्न प्रकार की रासायनिक इकाइयों के लिए एक साझा शब्दावली हो, संरचना भविष्यवाणी की समस्या को हल करने का एक शक्तिशाली तरीका है।

यह कार्य आणविक मॉडलिंग की समस्या के प्रति वैज्ञानिकों के दृष्टिकोण में एक बदलाव का प्रतिनिधित्व करता है। एक एकल, विशाल सिमुलेशन में प्रत्येक परमाणु के बीच के बलों की गणना करने के बजाय, शोधकर्ताओं ने दिखाया है कि एक लैंग्वेज मॉडल आणविक आकारों के पैटर्न को सीख सकता है और उन्हें कुशलतापूर्वक उत्पन्न कर सकता है। ज्यामिति को संकुचित करने वाले एक टोकेनाइज़र और अनुक्रम की भविष्यवाणी करने वाले एक लैंग्वेज मॉडल का संयोजन एक नया मार्ग प्रदान करता है। यह प्रदर्शित करता है कि जीवन के निर्माण खंडों की जटिलता को एक संक्षिप्त, असतत रूप में पकड़ा जा सकता है, और कृत्रिम बुद्धिमत्ता उच्च स्तर की सटीकता के साथ इस रूप में नेविगेट करना सीख सकती है। परिणाम ड्रग डिस्कवरी और जैविक अनुसंधान के लिए एक नया उपकरण प्रदान करते हैं, जो केवल उनकी रासायनिक संरचना के आधार पर, पहले कभी न देखे गए अणुओं के आकार की भविष्यवाणी करने का एक तरीका प्रदान करते हैं।