탠덤 질량 분석 스펙트럼(MS/MS)으로부터의 분자 구조 규명(Molecular structure elucidation)은 분석 화학의 핵심적인 역문제(inverse problem)입니다. MS/MS 식별에 대한 대부분의 기존 접근 방식은 참조 라이브러리(reference libraries)나 사전 정의된 후보 세트에 묶여 있는 반면, de novo 방식은 스펙트럼으로부터 직접 구조를 생성하는 것을 목표로 합니다. 일반적인 de novo 경로는 스펙트럼으로부터 분자 지문(molecular fingerprint)을 예측한 다음 이를 통해 구조를 디코딩하며, 이를 통해 대규모 분자 전용 코퍼스(corpora)에서 디코더를 사전 학습(pretraining)할 수 있게 합니다. 그러나 이러한 패러다임은 학습-추론 불일치(training-inference mismatch)를 야기합니다. 즉, 디코더는 분자로부터 계산된 오라클 지문(oracle fingerprints)으로 학습되지만, 추론 시에는 일반적으로 단일 임계값 처리된 지문으로 붕괴되는 노이즈가 섞인 스펙트럼 유도 지문 사후 확률(spectrum-induced fingerprint posterior)로 쿼리됩니다. 우리는 MS-GPT를 소개하며, 이는 지문 매개 de novo 구조 규명을 조건부 분자-언어 모델(conditional molecule-language model)의 스펙트럼 유도 사후 쿼리(spectrum-induced posterior querying)로 재구성합니다. MS-GPT는 분자-언어 모델을 지문(fingerprints)과 화학식(formulas)에 조건화한 다음, 능동 비트 밀도 보정(active-bit density calibration)을 통해 스펙트럼 유도 사후 확률을 오라클-지문 매니폴드(oracle-fingerprint manifold) 근처의 지문 쿼리 대역(band of fingerprint queries)으로 변환합니다. 이 대역 전체에서 샘플링된 후보들은 풀링(pooled)되며 생성 빈도 합의(generation-frequency consensus)에 의해 순위가 매겨집니다. 경량 LoRA 어댑터(adapter)는 사전 학습된 분자 사전 확률(molecular prior)을 보존하면서 도메인 특화 사후 편향(domain-specific posterior bias)을 완화합니다. NPLIB1 및 MassSpecGym에서 MS-GPT는 새로운 SOTA(state of the art)를 기록하며, 각각 29.8%/41.1% 및 23.9%/28.7%의 Top-1/Top-10 정확도(exact-match accuracy)에 도달했습니다. 후보 풀 스케일링(Candidate-pool scaling) 실험을 통해 효율적인 자기회귀(autoregressive) 분자 생성이 약간의 추가 추론 비용으로 재현율(recall)을 지속적으로 향상시킨다는 것을 보여줍니다. 소스 코드와 모델 체크포인트는 https://github.com/VIKI623/MS-GPT 에서 확인할 수 있습니다.