연구진이 화학적 특성과 분자 구조 기여도를 분리하여 수용성을 예측하는 새로운 딥러닝 프레임워크를 개발했어요. MLP(화학 분기)와 GNN(구조 분기)을 사용하여 정보를 분리하고 예측 단계에서 결합하며, 모델 해석 가능성을 높였어요. AqSolDB 데이터셋으로 사전 훈련하고 BigSolDB2 데이터셋으로 미세 조정하여 정확도를 향상시키고, 기능 그룹별 원자 수준 분석을 통해 화학 및 구조적 패턴을 파악했어요.