重访 GEOM-Drugs：迈向化学上更精确的三维分子生成基准
机器学习
2025-05-19 v2 人工智能
摘要
深度生成模型在生成有效的三维分子结构方面展现出巨大潜力，其中 GEOM-Drugs 数据集作为一个关键基准。然而，当前的评估协议存在严重缺陷，包括错误的化合价定义、键级计算中的错误，以及依赖与参考数据不一致的力场。在这项工作中，我们重新审视了 GEOM-Drugs 并提出了一个修正的评估框架：我们识别并修复了数据预处理中的问题，构建了化学上准确的化合价表，并引入了一个基于 GFN2-xTB 的几何和能量基准。在此框架下，我们重新训练并重新评估了几个领先的模型，提供了更新的性能指标和对未来基准测试的实用建议。我们的结果强调了在三维分子生成中采用化学上严格评估实践的必要性。我们推荐的评估方法和 GEOM-Drugs 处理脚本可在 https://github.com/isayevlab/geom-drugs-3dgen-evaluation 获取。
引用
@article{arxiv.2505.00169,
title = {GEOM-Drugs Revisited: Toward More Chemically Accurate Benchmarks for 3D Molecule Generation},
author = {Filipp Nikitin and Ian Dunn and David Ryan Koes and Olexandr Isayev},
journal= {arXiv preprint arXiv:2505.00169},
year = {2025}
}