본 논문은 대규모 언어 모델(LLM)을 활용하여 질량 분석 스펙트럼 주석 생성의 문제 해결을 위한 새로운 프레임워크인 GIF (General Intelligence-based Fragmentation)를 제시한다. GIF는 구조화된 프롬프팅과 추론을 통해 사전 훈련된 LLM이 스펙트럼 시뮬레이션을 수행하도록 안내하며, 태깅, 구조화된 입력/출력, 시스템 프롬프트, 지침 기반 프롬프트 및 반복적 개선을 활용한다. MassSpecGym 데이터 세트에서 파생된 새로운 QA 데이터 세트인 MassSpecGym QA-sim을 사용하여 GIF의 성능을 평가하고, GPT-4o 및 GPT-4o-mini가 다른 모델(GPT-5, Llama-3.1, ChemDFM)보다 우수한 성능을 보임을 확인했다. GIF는 스펙트럼 시뮬레이션뿐만 아니라 인간-중심적 워크플로우와 분자 단편화에 대한 구조화되고 설명 가능한 추론을 가능하게 하는 데 가치가 있다.
