基础模型时代分子性质预测深度学习系统综述与基准

分子性质预测将量子化学、计算化学和深度学习融合在一起，将分子结构与物理化学及生物学行为相连接。本综述追溯了四种互补的范式，包括量子模型、描述符机器学习、几何深度学习和基础模型，并概述了统一的分类法，将分子表征、模型架构与跨学科应用联系在一起。基准分析集成来自广泛使用的数据集和反映行业视角的数据集的证据，涵盖量子、物理化学、生理和生物物理学领域。综述检查了当前在数据 curated、划分策略和评估协议方面的标准，突出了包括不一致的立体化学、异构实验室来源以及在随机或 poorly 定义划分下的可重复性限制等挑战。这些观察激励了基准设计向更透明、时间和骨架感知的方法论转变。我们进一步提出了三个前瞻方向：(i) 嵌入量子一致性的物理感知学习，(ii) 用于可靠推断的不确定性校准基础模型，(iii) 集成计算与实验数据的真实多模态基准生态系统。仓库：https://github.com/Zongru-Li/Survey-and-Benchmarks-of-DL-for-Molecular-Property-Prediction-in-the-Foundation-Model-Era。