Un traducteur qui n'apprend pas une nouvelle langue, mais qui trouve instantanément le sens général à partir de quelques exemples. C'est ainsi que fonctionne Monroe, un modèle de prédiction des propriétés moléculaires. Auparavant, ces modèles devaient être longuement ajustés pour chaque tâche, comme un traducteur qui apprend une langue de zéro. Monroe, lui, examine quelques exemples et donne immédiatement la réponse.

C'est important, car deux molécules de même composition mais de forme différente peuvent agir différemment. Monroe distingue ces cas.

Pour ses prédictions, Monroe utilise TabPFN, un modèle qui compare les nouvelles molécules à des molécules déjà connues. Cela lui permet de travailler rapidement et avec précision, même lorsque les données sont rares. Lors des tests, Monroe a obtenu de meilleurs résultats que les autres modèles, en particulier dans les cas où de petites modifications dans une molécule changent fortement son action.