Le spectromètre de masse fonctionne comme un broyeur à molécules : il décompose la substance en fragments chargés et pèse chacun d'eux. Grâce à cette « empreinte », les chimistes déterminent ce que contient l'échantillon. Mais si la molécule est nouvelle et que ses fragments ne correspondent à rien de connu, l'appareil ne montre qu'une série de pics — et ce qui se cache derrière reste opaque.
Les auteurs de l'article ont proposé une solution de contournement. Ils ont pris un modèle de langage préexistant qui comprend les structures chimiques comme un texte, et ont appris à un réseau de neurones à traduire directement les pics du spectre dans cet espace sémantique. Désormais, même une molécule inconnue tombe à un endroit où se trouvent des substances de structure similaire. Lors d'un examen rigoureux, où toutes les molécules étaient nouvelles pour le système, il a correctement identifié 42,2 % des 256 candidats — comme si, dans une immense bibliothèque sans catalogue, on retrouvait le bon livre à partir d'une seule phrase.
Cette approche pourrait accélérer la recherche de nouveaux médicaments ou l'analyse de mélanges complexes. Au lieu d'éplucher les bases de données à la main, le chimiste reçoit une indication : « voici à quoi cela ressemble » — même si aucune correspondance exacte n'existe.
La spectrométrie de masse a permis de déterminer que la météorite de Murchison contient plus de 70 acides aminés — les briques de la vie — dont beaucoup ne se trouvent pas sur Terre.