面向可控多目标分子设计的目标条件化 GFlowNets
机器学习
2023-07-03 v2 生物大分子
摘要
近年来，计算机模拟分子设计受到了机器学习界的广泛关注。在为药物应用设计新化合物时，通常需要优化此类分子的多个性质：与靶标的结合能、可合成性、毒性、EC50 等。虽然先前的方法采用标量化的方案将多目标问题转化为偏好条件的单目标，但已有结论表明，当面对具有凹帕累托前沿的问题时，这种归约可能产生倾向于滑向目标空间极端点的解。在本工作中，我们尝试一种目标条件化分子生成的替代公式，以获得更具可控性的条件模型，能够沿整个帕累托前沿均匀探索解。
引用
@article{arxiv.2306.04620,
title = {Goal-conditioned GFlowNets for Controllable Multi-Objective Molecular Design},
author = {Julien Roy and Pierre-Luc Bacon and Christopher Pal and Emmanuel Bengio},
journal= {arXiv preprint arXiv:2306.04620},
year = {2023}
}
备注
14 pages