본 논문은 최근 발전에도 불구하고 대규모 언어 모델(LLMs)이 분자 구조 정보를 이용한 추론에 어려움을 겪는다는 점을 보여줍니다. 이는 기능기 등 많은 분자적 특성이 구조적 세부 사항에 크게 의존하기 때문에 중요한 문제입니다. 이를 해결하기 위해, 본 논문은 분자 구조를 스케치하여 추론하는 접근 방식을 제안합니다. 구체적으로, 핵심 구조적 특징을 명시적으로 통합하여 LLMs의 이해도를 높이는 분자 구조 추론(MSR) 프레임워크를 제시합니다. 목표 분자가 알려져 있거나 알려져 있지 않은 두 가지 시나리오를 위한 프레임워크를 제시하며, 광범위한 실험을 통해 MSR이 분자 이해도를 향상시킨다는 것을 검증합니다.
