LLM 是否能生成多样化分子？——关于与结构多样性对齐的探索
机器学习
2025-02-18 v2 定量方法
摘要
近期大语言模型（LLM）在分子生成方面展现了惊人的性能，这为加速药物发现提供了潜在可能性。然而，当前 LLM 忽视了药物发现的关键要求：提出一套多样化的分子。这种多样性对于提高找到可行药物的机会至关重要，因为它提供了在实际验证中可能成功的备选分子。然而，LLM 常常输出结构相似的分子。虽然多样化束搜索等解码方案可能增强文本的多样性，但这通常不符合分子结构的多样性。在此响应下，我们提出一种新方法，对用于生成分子的 LLM 进行微调，以自回归方式生成一组结构多样化的分子，其中每个分子都以条件化先前生成的分子来生成。我们的ethods 包括两个阶段：（1）监督式微调以适配 LLM 自回归生成分子序列；（2）强化学习以最大化所生成分子中的结构多样性。我们的实验表明，所提出的方法使 LLM 在多样化序列生成方面的性能优于现有方法。
引用
@article{arxiv.2410.03138,
title = {Can LLMs Generate Diverse Molecules? Towards Alignment with Structural Diversity},
author = {Hyosoon Jang and Yunhui Jang and Jaehyung Kim and Sungsoo Ahn},
journal= {arXiv preprint arXiv:2410.03138},
year = {2025}
}