原子即语言：VQ-Atom：分子表示学习的语义离散化
机器学习
2026-05-19 v1
摘要
分子表示学习已成为 AI 驱动药物发现中的核心方法，但现有分子标记化方法（如 SMILES）仍主要是语法化，且不自然地与化学上有意义的分子结构保持一致。本文引入 VQ-Atom，一种语义离散化框架，将连续的原子级图表示转换为对应于局部化学环境的离散标记。通过图神经网络嵌入和向量量化，原子被分配到代表化学上有意义原子上下文的码本条目。这些离散标记定义了适用于 Transformer 预训练的分子语言。我们在不依赖三维结构信息的情况下，评估了 VQ-Atom 在蛋白-配体相互作用预测中的表现。实验结果表明，VQ-Atom 在各种基线方法上 consistently 提升了预测性能，表明语义驱动的离散化可显著增强分子表示学习。我们的发现表明，标记设计本身在为化学语言建模提供有效途径方面发挥关键作用。
引用
@article{arxiv.2605.16823,
title = {Atoms as Language: VQ-Atom: Semantic Discretization for Molecular Representation Learning},
author = {Takayuki Kimura},
journal= {arXiv preprint arXiv:2605.16823},
year = {2026}
}
备注
7 pages, 6 figures. Submitted to ICML 2026 Workshop on Foundation Models for Life Sciences