基于指令的分子图生成：统一文本-图扩散模型

计算化学的最新进展越来越多地聚焦于基于文本指令合成分子。将图生成与这些指令相结合是复杂的，导致大多数现有方法使用预训练大语言模型结合分子序列。针对这一挑战，我们提出了一种名为 $\textbf{UTGDiff（统一文本-图扩散模型）}$ 的新框架，该框架利用语言模型进行离散图扩散，从而从指令生成分子图。UTGDiff以统一文本-图Transformer作为去噪网络，该网络源自预训练语言模型，并经过最小修改，通过注意力偏置来处理图数据。我们的实验结果表明，UTGDiff在指令驱动分子生成和编辑任务中持续优于基于序列的基线方法，在给定等效预训练语料的情况下，以更少的参数实现了更优性能。我们的代码可在 https://github.com/ran1812/UTGDiff 获取。