본 논문은 다중 분자 특성 최적화를 위한 새로운 지시어 조정 대규모 언어 모델(LLM)인 GeLLMO-Cs를 제시합니다. 기존의 계산 접근 방식과 지시어 조정된 LLM은 약물 설계에서 여러 분자 특성을 약학적으로 관련된 수준까지 선택적으로 개선하면서 이미 기준을 충족하는 다른 특성은 유지하는 데 어려움을 겪습니다. 이를 해결하기 위해, 본 논문에서는 명시적인 특성별 목표를 가진 다중 특성 최적화에 중점을 둔 최초의 지시어 조정 데이터셋인 C-MuMOInstruct를 소개합니다. C-MuMOInstruct를 활용하여 개발된 GeLLMO-Cs는 특정 특성에 대한 표적 최적화를 수행할 수 있습니다. 실험 결과, GeLLMO-Cs는 기존 최고 성능 모델들을 능가하며 최대 126% 높은 성공률을 달성했습니다. 특히, 새로운 최적화 작업 및 보지 못한 지시어에 대한 뛰어난 제로샷 일반화 능력을 보여줍니다. 이는 특성별 목표를 가진 현실적이고 다양한 최적화를 지원하는 기초적인 LLM을 향한 진전을 보여줍니다. C-MuMOInstruct와 코드는 깃허브를 통해 공개됩니다.
