CHA2：面向逆分子设计的化学感知凸包自编码器
机器学习
2023-02-23 v1 人工智能
定量方法
摘要
优化分子设计并发现满足某些目标（如类药性评分定量估计（quantitative estimates of the drug-likeness score, QEDs））的新化学结构，由于离散分子结构的巨大组合设计空间而是NP难的，这使得全面探索整个搜索空间以利用具有感兴趣性质的从头结构几乎不可能。为应对这一挑战，将难处理的搜索空间降维至低维潜在体有助于通过逆设计更可行地考察分子候选。自编码器是合适的深度学习技术，配备有将离散分子结构降维至潜空间的编码器，以及将搜索空间反演回分子设计的解码器。表征离散化学结构的潜空间的连续性质为逆设计提供了灵活表示，以发现新分子。然而，探索该潜空间需要某些洞察以生成新结构。我们提出使用围绕高QEDs顶尖分子的凸包（convex hull）来在潜表示中围捕紧致子空间，作为揭示具有高QEDs新分子的有效方式。我们通过使用QM9作为训练数据集以及自引用嵌入字符串（Self-Referencing Embedded Strings, SELFIES）表示来校准自编码器以执行逆分子设计从而展开新化学结构，展示了我们所提方法的有效性。
引用
@article{arxiv.2302.11000,
title = {CHA2: CHemistry Aware Convex Hull Autoencoder Towards Inverse Molecular Design},
author = {Mohammad Sajjad Ghaemi and Hang Hu and Anguang Hu and Hsu Kiang Ooi},
journal= {arXiv preprint arXiv:2302.11000},
year = {2023}
}