本文介绍了一种新颖的多模态语言模型方法，结合化学语言和物理化学特征，以预测分子性质。该方法在生物降解性和PFAS毒性估计等任务中优于现有模型，并能降低特征空间维数。此外，研究提出了DrugAssist和MolTailor模型，展示了语言模型在分子优化中的潜力，推动药物发现的发展。

本文提出了一种双向分子基础模型，结合化学语言和物理化学特征，提升了分子性质预测的准确性。研究表明，该模型在生物降解性和PFAS毒性估计等任务中优于现有方法，且多模态深度学习有效克服了传统单模态学习的局限，为药物研发提供了重要指导。