用于分子设计的深度进化学习
神经与进化计算
2021-02-02 v1 人工智能
摘要
本文提出一种深度进化学习（DEL）流程，将基于片段的深度生成模型与多目标进化计算相集成用于分子设计。我们的方法能够（1）在生成模型的潜空间而非结构空间中进行进化操作，以为下一代进化生成新颖且有前景的分子结构，以及（2）利用新生成的高质量样本对生成模型进行微调。因此，DEL 实现了数据-模型协同进化的概念，同时改进样本群体与生成模型学习。在两个公开数据集上的实验表明，DEL 获得的样本群体展现出更优的属性分布，并主导（dominates）由多目标贝叶斯优化算法生成的样本。
引用
@article{arxiv.2102.01011,
title = {Deep Evolutionary Learning for Molecular Design},
author = {Yifeng Li and Hsu Kiang Ooi and Alain Tchagang},
journal= {arXiv preprint arXiv:2102.01011},
year = {2021}
}