基于自然语言的交互式分子发现
计算与语言
2023-06-22 v1 化学物理
生物大分子
摘要
在大语言模型时代，自然语言有望成为各类人机交互的关键媒介。在生物化学领域，围绕分子的一系列任务（如性质预测、分子挖掘等）具有重要意义但技术门槛较高。将自然语言与化学语言中的分子表达相桥接，不仅能大幅提升这些任务的可解释性并降低操作难度，还能融合散见于互补材料中的化学知识，从而更深入地理解分子。基于这些优势，我们提出对话式分子设计这一新任务，采用自然语言来描述并编辑目标分子。为更好地完成该任务，我们设计了 ChatMol——一个知识丰富且通用的生成式预训练模型，通过向其中注入实验性质信息、分子空间知识以及自然语言与化学语言之间的关联而得到增强。我们评估了包括大语言模型（如 ChatGPT）在内的若干典型方案，证明了对话式分子设计的挑战性以及我们知识增强方法的有效性。我们通过案例观察与分析，为分子发现中自然语言交互的进一步探索提供方向。
引用
@article{arxiv.2306.11976,
title = {Interactive Molecular Discovery with Natural Language},
author = {Zheni Zeng and Bangchen Yin and Shipeng Wang and Jiarui Liu and Cheng Yang and Haishen Yao and Xingzhi Sun and Maosong Sun and Guotong Xie and Zhiyuan Liu},
journal= {arXiv preprint arXiv:2306.11976},
year = {2023}
}