본 논문은 생체 분자 설계 응용 분야에서 고정밀도의 대규모 3D 분자 구조를 효율적으로 인코딩 및 표현하는 방법을 제시합니다. 기존의 표현 학습 접근 방식이 작은 시스템에 국한되거나, 아미노산 잔기 수준 대신 개별 원자 수준의 모델링과 같은 조잡한 근사치를 사용하는 것과 달리, 본 연구는 전체 단백질, RNA 및 소분자 구조의 원자 수준 토큰화를 학습하는 양자화된 오토인코더를 개발했습니다. 1옹스트롬 이하의 재구성 정확도를 달성하며, Mamba 상태 공간 모델 아키텍처가 SE(3)-불변 IPA 아키텍처에 비해 효율적이고 경쟁력 있는 정확도를 달성하며 최대 10만 개 원자 시스템까지 확장 가능함을 보여줍니다. 학습된 bio2token의 구조 토큰은 향후 모든 원자 생성 모델의 입력으로 사용될 수 있습니다.
