面向分子发现的大语言模型综述：从分子生成到优化
机器学习
2025-05-23 v1 计算与语言
摘要
大语言模型 (LLM) 正通过实现基于自然语言的化学空间交互，引入了分子发现的范式转变。为推进 LLM 与分子科学交叉领域的新兴研究，本综述提供了最新、前瞻性的综述，聚焦 LLM 在分子生成和分子优化两个核心任务的最新应用。基于我们为两类问题提出的分类框架，本文分析了各类别中的代表性技术，阐述了 LLM 能力在不同学习场景下的具体运用方式。此外，本文列举了常用的数据集与评估协议。最后讨论了关键挑战与未来方向，将本综述定位为 LLM 与分子科学交叉研究者的资源。持续更新的阅读列表可在 https://github.com/REAL-Lab-NU/Awesome-LLM-Centric-Molecular-Discovery 查阅。
引用
@article{arxiv.2505.16094,
title = {A Survey of Large Language Models for Text-Guided Molecular Discovery: from Molecule Generation to Optimization},
author = {Ziqing Wang and Kexin Zhang and Zihan Zhao and Yibo Wen and Abhishek Pandey and Han Liu and Kaize Ding},
journal= {arXiv preprint arXiv:2505.16094},
year = {2025}
}
备注
Under review