具有化学反馈的域无关分子生成

生成具有所需性质的分子已日益流行，它革新了科学家设计分子结构的方式，并为化学与药物设计提供了宝贵支持。然而，尽管语言模型在分子生成中具有潜力，它们仍面临诸如生成语法或化学上有缺陷的分子、领域聚焦狭窄，以及因标注数据或外部分子数据库有限而难以创造多样且可行的分子等挑战。为应对这些挑战，我们引入了MolGen，一种专为分子生成定制的预训练分子语言模型。通过对超过1亿个分子SELFIES的重构，MolGen内化了结构与语法洞察。这进一步通过域无关分子前缀微调得到增强，促进了跨多样领域的稳健知识迁移。重要的是，我们的化学反馈范式引导模型远离分子幻觉，确保模型估计概率与真实化学偏好一致。在知名基准上的大量实验凸显了MolGen在惩罚logP、QED和分子对接等性质上的优化能力。附加分析确认了其准确捕捉分子分布、辨识复杂结构模式以及高效探索化学空间的能力。代码见 https://github.com/zjunlp/MolGen。