一种用于分子生成的两步图卷积解码器

我们提出了一种简单的用于分子生成的自编码器框架。分子图首先被编码为一个连续的隐表示 $z$，随后被解码回一个分子。编码过程容易，但解码过程仍然具有挑战性。在本工作中，我们引入了一个简单的两步解码过程。第一步中，一个全连接神经网络利用隐向量 $z$ 生成分子式，例如 CO$_2$（一个碳原子和两个氧原子）。第二步中，一个图卷积神经网络利用相同的隐向量 $z$ 在第一步生成的原子之间放置化学键（例如将在碳和每个氧之间放置一个双键）。这种先生成原子集合再进行组装的两步过程，提供了一个简单的框架，使我们能够开发一个高效的分子自编码器。在 250k ZINC 分子的新颖性、唯一性、有效性以及优化化学性质等基本任务上的数值实验证明了所提出系统的性能。特别地，我们实现了 90.5\% 的最高重建率，优于此前的 76.7\%。当优化受原始分子与生成分子之间分子距离约束时，我们也报告了最佳的性质改进结果。