Прогноз выхода химической реакции — это попытка предсказать урожай, зная лишь состав почвы. Долгое время химики опирались на длинные колонки чисел, так называемые квантовые дескрипторы, которые описывают энергию электронов, но умалчивают о форме молекулы. А ведь порой два вещества с почти идентичными числовыми характеристиками ведут себя по-разному лишь потому, что одно из них громоздкое, как букет, а другое — плоское, как лист бумаги.

Авторы исследования наделили модель зрением: к табличным данным добавили простые двумерные схемы молекул — те самые, что рисуют в учебниках. Результат оказался поразительным: даже обычная свёрточная нейросеть, обученная только на этих изображениях, предсказывает выход точнее, чем лучшие методы, использующие исключительно квантовые расчёты. А когда оба потока информации объединили через механизм перекрёстного внимания, ошибка снизилась до 5.27% — уровень, который прежде считался недостижимым.

Любопытно, что архитектура сети устроена так, чтобы защитить важные числовые параметры от искажения при слиянии с изображением. Для этого применены остаточные связи — они работают как страховочный трос, не позволяя электронным характеристикам затеряться в потоке визуальных данных. В результате получился не только точный, но и прозрачный инструмент: можно проследить, на какие именно части молекулы сеть обращает внимание, принимая решение.