분자 구조와 기능을 이해하기 위한 통합 프레임워크로서 분자 거대 언어 모델 (LLMs)을 사용하는 것은 분자 설계 및 신약 개발과 같은 작업에서 새로운 트렌드로 떠오르고 있습니다. 그러나 이러한 모델들은 분자 구조의 시각적 표현을 완전히 포착하는 데 어려움을 겪고 있으며, 이는 잠재력을 제한하는 요소가 됩니다. 기존의 분자 시각-언어 모델 (VLMs)이 유망한 가능성을 보여주고 있음에도 불구하고, 구조적 정렬 (structural alignment) 문제에 직면해 있으며 정확한 분자 이해를 위한 필수적인 위상학적 모델링 (topological modeling)이 부족한 실정입니다. 이를 해결하기 위해, 우리는 VLM에 의한 분자 이미지 이해를 향상시키도록 설계된 그래프 인식 시각-언어 모델 프레임워크인 MolSight를 제안합니다. MolSight는 화학 결합 인접 정보 (chemical-bond adjacency information)를 시각 토큰 (vision tokens)에 주입하는 분자 위상 모듈 (Molecular Topology Module)과 시각적 특징을 화학적 기호 의미론 (chemical symbolic semantics)과 정렬하는 분자 그라운딩 모듈 (Molecular Grounding Module)을 통합합니다. 우리의 실험 결과는 MolSight가 다양한 화학 시각 이해 작업 전반에서 기존의 VLM, 분자 LLM 및 특화된 도구들을 크게 능가하며, 분자 이미지 추론의 새로운 수준을 달성했음을 입증합니다.