本研究提出了一种基于化学指纹的语言模型，克服了传统SMILES格式的局限性，并引入双模态架构，显著提升了QSAR和NMR谱预测的性能。

本文探讨了机器学习在药物开发中的应用，介绍了Uni-QSAR和VQSynergy等新算法和工具，提升了药物活性预测的准确性和效率。研究表明，元学习方法优于传统算法，能有效处理复杂数据，提高药物发现的成功率。