Прогноз выхода химической реакции похож на попытку угадать урожай, зная только состав почвы. Традиционно химики опирались на длинные колонки чисел — квантовые дескрипторы, — которые описывают энергию электронов, но молчат о форме молекулы. А ведь иногда два вещества с почти одинаковыми числами ведут себя по-разному просто потому, что одно из них громоздкое, как букет, а другое — плоское, как лист бумаги.

Авторы работы дали модели зрение: к табличным данным добавили простые двумерные схемы молекул — те самые, что рисуют в учебниках. Результат удивил: даже обычная свёрточная нейросеть, обученная только на этих картинках, предсказывает выход точнее, чем лучшие методы, использующие лишь квантовые расчёты. А когда оба потока информации объединили через механизм перекрёстного внимания, ошибка упала до 5.27% — уровень, который раньше считался недостижимым.

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