用于保持子结构分子设计的图能量模型
化学物理
2021-02-10 v1 机器学习
摘要
化学家常基于化合物的子结构搜索化学数据库以寻找具有所需性质的分子。从头分子生成的目的在于生成而非搜索。现有的基于机器学习的分子设计方法在生成保留目标子结构的新颖分子方面无能力或能力有限。我们的图能量模型（GEM）可以固定子结构并生成其余部分。实验结果表明，从化学数据集训练的GEM成功生成了保留目标子结构的新颖分子。该方法将提供一种在分子设计中融入化学家领域知识的新途径。
引用
@article{arxiv.2102.04600,
title = {Graph Energy-based Model for Substructure Preserving Molecular Design},
author = {Ryuichiro Hataya and Hideki Nakayama and Kazuki Yoshizoe},
journal= {arXiv preprint arXiv:2102.04600},
year = {2021}
}
备注
preprint