编码器—解码器模型在学习进程中化学结构识别的探究

以SMILES为输入、利用编码器—解码器(ED)模型潜表示的 descriptor 生成方法因 descriptor 的连续性与结构可恢复性而有用。然而，ED模型在学习进程中如何识别结构尚不清楚。本工作中，我们创建了不同学习进程的ED模型，并研究了结构信息与学习进程之间的关系。我们通过监测下游任务准确率以及使用基于子结构的 descriptor 的输入—输出子结构相似性，表明化合物子结构在ED模型中被早期学习，这意味着现有基于下游任务准确率的评价方法可能不足以敏感地评价以SMILES作为 descriptor 生成方法的ED模型性能。另一方面，我们表明结构恢复是耗时的，尤其不足的学习会导致估计出比实际更大的结构。可推断确定结构的终点是模型的一项困难任务。据我们所知，这是首个将ED模型对SMILES的学习进程与广泛化学品的化学结构相联系的研究。