Tandem Mass Spectrometry를 활용하여 미지의 화합물을 식별하는 데 초점을 맞춘 연구. 기존 방법의 한계를 극복하기 위해, 사전 훈련된 Transformer 모델에 시험 시간 튜닝을 적용하여 end-to-end 방식으로 질량 스펙트럼과 분자식을 기반으로 분자 구조를 직접 생성하는 프레임워크를 제시함. NPLIB1 및 MassSpecGym 벤치마크에서 기존 최고 성능 모델인 DiffMS를 각각 100%, 20% 능가하는 성능을 보임. 시험 시간 튜닝을 통해 새로운 스펙트럼에 동적으로 적응하며, 전통적인 미세 조정보다 62%의 상대적 성능 향상을 보임. 생성된 분자 후보가 실제와 다를 경우에도 구조적으로 정확하여, 해석 및 식별에 유용한 정보를 제공함.
