GuacaMol：用于从头分子设计的模型基准测试
定量方法
2021-01-05 v2 机器学习
化学物理
生物大分子
摘要
从头设计旨在通过虚拟的设计-合成-测试循环生成具有所需性质谱的分子。随着深度学习和神经生成模型在许多应用领域的出现，基于神经网络的分子设计模型近来出现并展现出有前景的结果。然而，这些新模型尚未在一致的任务上进行刻画，且与成熟算法的对比研究鲜有开展。为了标准化对经典与神经从头分子设计模型的评估，我们提出了一个基于一套标准化基准的评估框架 GuacaMol。基准任务涵盖衡量模型复现训练集性质分布的保真度、生成新分子的能力、对化学空间的探索与利用，以及多种单目标和多目标优化任务。基准测试的开源 Python 代码和排行榜可在 https://benevolent.ai/guacamol 找到。
引用
@article{arxiv.1811.09621,
title = {GuacaMol: Benchmarking Models for De Novo Molecular Design},
author = {Nathan Brown and Marco Fiscato and Marwin H. S. Segler and Alain C. Vaucher},
journal= {arXiv preprint arXiv:1811.09621},
year = {2021}
}