التنبؤ بناتج تفاعل كيميائي يشبه محاولة تخمين المحصول الزراعي بمعرفة تكوين التربة فقط. تقليديًا، اعتمد الكيميائيون على أعمدة طويلة من الأرقام — الواصفات الكمومية — التي تصف طاقة الإلكترونات، لكنها لا تخبرنا شيئًا عن شكل الجزيء. وأحيانًا، مادتان لهما أرقام متشابهة تقريبًا تتصرفان بشكل مختلف لمجرد أن إحداهما ضخمة مثل باقة زهور، والأخرى مسطحة مثل ورقة.
أعطى مؤلفو العمل النموذج حاسة البصر: إلى البيانات الجدولية أضافوا صورًا ثنائية الأبعاد بسيطة للجزيئات — تلك التي تُرسم في الكتب المدرسية. النتيجة فاجأت: حتى شبكة عصبية التفافية عادية، تدرّبت على هذه الصور فقط، تتنبأ بالناتج بدقة أكبر من أفضل الطرق التي تستخدم الحسابات الكمومية فقط. وعندما تم دمج مجريّ المعلومات عبر آلية الانتباه المتبادل، انخفض الخطأ إلى 5.27% — وهو مستوى كان يُعتبر سابقًا بعيد المنال.
من المثير للاهتمام أن بنية الشبكة مصممة لحماية المعاملات الرقمية المهمة من التشويه عند دمجها مع الصورة. لهذا الغرض، استُخدمت الوصلات المتبقية — وهي تعمل مثل حبل أمان، يمنع الخصائص الإلكترونية من الضياع في تدفق البيانات البصرية. في النهاية، حصلنا على أداة ليست دقيقة فحسب، بل شفافة أيضًا: يمكن تتبع أي أجزاء من الجزيء توليها الشبكة اهتمامًا عند اتخاذ القرار.
الصور ثنائية الأبعاد للجزيئات التي استُخدمت في العمل هي نفسها «الصيغ الهيكلية» التي يرسمها الكيميائيون على السبورة. اتضح أنه حتى مثل هذا الرسم البسيط يكفي للشبكة العصبية لالتقاط العوائق المكانية.