Prédire le rendement d'une réaction chimique, c'est un peu comme essayer de deviner la récolte en ne connaissant que la composition du sol. Traditionnellement, les chimistes s'appuyaient sur de longues colonnes de nombres – les descripteurs quantiques – qui décrivent l'énergie des électrons mais restent muets sur la forme de la molécule. Or, parfois, deux substances avec des nombres presque identiques se comportent différemment simplement parce que l'une est encombrante, comme un bouquet, et l'autre est plate, comme une feuille de papier.
Les auteurs de l'étude ont donné la vue au modèle : aux données tabulaires, ils ont ajouté de simples schémas bidimensionnels des molécules – ceux-là mêmes que l'on dessine dans les manuels. Le résultat a surpris : même un réseau de neurones convolutif ordinaire, entraîné uniquement sur ces images, prédit le rendement avec plus de précision que les meilleures méthodes qui n'utilisent que des calculs quantiques. Et lorsque les deux flux d'information ont été combinés via un mécanisme d'attention croisée, l'erreur est tombée à 5.27 % – un niveau que l'on croyait auparavant inaccessible.
Il est intéressant de noter que l'architecture du réseau est conçue pour protéger les paramètres numériques importants de toute distorsion lors de la fusion avec l'image. Pour cela, on a utilisé des connexions résiduelles – elles agissent comme un câble de sécurité, empêchant les caractéristiques électroniques de se perdre dans le flux de données visuelles. Au final, on obtient non seulement un outil précis, mais aussi transparent : on peut suivre sur quelles parties de la molécule le réseau porte son attention lorsqu'il prend une décision.
Les schémas bidimensionnels des molécules utilisés dans l'étude sont les mêmes « formules topologiques » que les chimistes dessinent au tableau. Il s'avère qu'un dessin aussi simple suffit pour que le réseau de neurones perçoive les gênes stériques.