分子属性预测的最新进展：单模态与多模态方法综述
机器学习
2024-08-23 v2 材料科学
化学物理
生物大分子
摘要
分子属性预测（MPP）在药物发现、材料科学和环境化学等多个领域发挥关键作用。随着化学数据的指数级增长和人工智能的演进，近年来在MPP领域取得了显著进展。然而，分子数据的多样性（如分子结构、SMILES notation 和分子图像）持续构成其有效表征的根本性挑战。为此，表征学习技术发挥着重要作用，因为它们能够获取具有信息性和可解释性的分子表征。本文探讨了MPP中最新的AI-based方法，重点关注单模态和多模态表征技术。它提供了各种分子表征和编码方案的概述，按其使用的模态方法对MPP进行分类，并概述了用于特征生成的数据集和工具。文章还分析了近期方法的性能，并提出了推动MPP领域发展的未来研究方向。
引用
@article{arxiv.2408.09461,
title = {Advancements in Molecular Property Prediction: A Survey of Single and Multimodal Approaches},
author = {Tanya Liyaqat and Tanvir Ahmad and Chandni Saxena},
journal= {arXiv preprint arXiv:2408.09461},
year = {2024}
}
备注
Submitted to the journal