通过单一分子基础模型实现结构与属性的双向生成
机器学习
2025-05-26 v4 人工智能
摘要
近期大型基础模型在人工智能领域的成功催生了化学预训练模型。尽管对提供下游任务信息表征的大分子预训练模型兴趣日增，但分子领域多模态预训练方法的尝试仍有限。为此，受近期多模态学习技术进展启发，我们提出一种融合结构与生化属性模态的新型多模态分子预训练模型。我们所提的数据处理与训练目标流水线将结构/属性特征对齐于公共嵌入空间，使模型能够关注分子结构与属性间的双向信息。这些贡献催生协同知识，让我们可通过单一模型应对多模态与单模态下游任务。通过大量实验，我们证明该模型在解决各类有意义的化学挑战(包括条件分子生成、属性预测、分子分类与反应预测)方面表现出卓越能力。
引用
@article{arxiv.2211.10590,
title = {Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model},
author = {Jinho Chang and Jong Chul Ye},
journal= {arXiv preprint arXiv:2211.10590},
year = {2025}
}