app.py

import gradio as gr
import torch
import main as core

# ---------- Función de inferencia ----------
def run_inference(input_text: str):
    if not input_text.strip():
        return "Ingresá una configuración para generar el resultado."

    if core.model is None or core.tokenizer is None:
        return "El modelo no está cargado correctamente."

    try:
        # Tokenización e inferencia
        inputs = core.tokenizer(input_text, return_tensors="pt").to(core.DEVICE)
        with torch.no_grad():
            outputs = core.model.generate(
                inputs["input_ids"],
                max_length=60,
                do_sample=True,
                top_p=0.95,
                temperature=0.8
            )

        # Decodificación
        tokens = core.tokenizer.convert_ids_to_tokens(outputs[0])
        tokens_string = core.decodificar_tokens(tokens)
        smiles = core.postprocesar_smiles(tokens_string)

        if not smiles or len(smiles.strip()) == 0:
            return "No se generó ningún SMILES válido."

        return smiles

    except Exception as e:
        return f"Error interno durante la generación: {str(e)}"

# ---------- Interfaz de Gradio ----------
with gr.Blocks(title="MolGen.AI") as demo:
    gr.Markdown("## 🧬 MolGen.AI — Generación de moléculas")
    gr.Markdown("Escribí una configuración y generá una estructura SMILES basada en tu modelo.")
    inp = gr.Textbox(label="Configuración", placeholder="Ej: CCO[NH2+]...", lines=3)
    btn = gr.Button("Generar", variant="primary")
    out = gr.Textbox(label="SMILES generados", lines=6)
    btn.click(fn=run_inference, inputs=inp, outputs=out)

if __name__ == "__main__":
    print("🚀 Iniciando MolGen.AI con Gradio...")
    import os
    port = int(os.environ.get("PORT", 7860))
    demo.launch(server_name="0.0.0.0", server_port=port)