韩国科研团队研发了化学驱动的图神经网络智能系统，可用于描述反应物和产物之间电子配置的净变化。该研究核心技术是设计了广义反应模板（GRT），即一种仅描述基于原子映射的反应前后原子构型的局部变化，且没有特定原子类型或官能团信息的反应模板，并利用人工智能技术自主研发“LocalTransform智能系统”来预测反应结果及反应产物。该系统通过全局注意力机制，根据局部化学环境和选择性识别反应原子，反应模板分类器预测最终反应转化，并提出最佳方案。目前，该系统利用美国专利商标局（USPTO）数据库，预测准确率达90％以上。

这项研究可进一步加快新分子的设计过程，并有助于科研人员在人工智能、神经科学、化学交叉研究与融合发展等领域的探索。该研究成果刊登在国际学术期刊《Nature Machine Intelligence》上。