연구진은 LLM을 활용한 분자 생성 방법인 LLMol 프레임워크를 제안했어요. LLMol은 검증 가능한 보상을 활용해 분자 생성 목표를 직접 최적화하는 강화 학습 방식입니다.
LLMol은 화학 구문과 분자 분포를 학습하는 지도 학습과, 속성 기반 보상 신호를 통합해 분자 생성을 유도하는 강화 학습의 2단계 학습 방식으로 구성돼요.
실험 결과, LLMol은 다양한 분자 벤치마크에서 기존 방법보다 높은 성공률과 효율성을 보여줬으며, 단일 속성 목표 설정 및 구조 제약 최적화 등 다양한 분자 설계 작업에 효과적이에요.