ProTok: 모듈식 다중 코드북 양자화를 통한 통합 단백질 토큰화

요약

ProTok은 단백질 서열, 구조, 기능 주석 세 가지 양식을 통합적으로 인코딩하는 모듈식 다중 코드북 양자화 기반의 토크나이저입니다. 이 토크나이저는 재학습 없이도 다양한 조합의 양식 부분 집합에서 유연한 추론을 지원하며, 여러 벤치마크에서 기존 구조 전용 토크나이저를 능가하는 성능을 입증했습니다.

핵심 포인트

• 서열, 구조, 기능 주석 세 가지 양식을 통합적으로 매핑합니다.
• 모듈식 다중 코드북 양자화를 통해 유연한 추론이 가능합니다.
• 다양한 벤치마크에서 기존 토크나이저 대비 높은 성능을 보였습니다.
• 생성 모델 학습 시 설계 가능한 백본 비율이 크게 향상되었습니다.