MolSculpt：从化学语法雕刻3D分子几何
机器学习
2025-12-15 v1 人工智能
化学物理
定量方法
摘要
生成精确的3D分子几何对于药物发现和材料科学至关重要。虽然先前工作利用1D表示（如SELFIES）来确保分子有效性，但它们未能充分利用1D模型中丰富的化学知识，导致1D语法生成与3D几何实现之间的脱节。为了弥合这一差距，我们提出了MolSculpt，一个从化学语法"雕刻"3D分子几何的新框架。MolSculpt建立在一个冻结的1D分子基础模型和一个3D分子扩散模型之上。我们引入了一组可学习查询来从基础模型中提取固有化学知识，然后一个可训练投影器将这些跨模态信息注入扩散模型的条件空间以指导3D几何生成。通过这种方式，我们的模型通过端到端优化将1D潜在化学知识深度整合到3D生成过程中。实验证明，MolSculpt在\textit{de novo} 3D分子生成和条件3D分子生成方面达到了最先进的(SOTA)性能，在GEOM-DRUGS和QM9数据集上均显示出优越的3D保真度和稳定性。代码可在https://github.com/SakuraTroyChen/MolSculpt获取。
引用
@article{arxiv.2512.10991,
title = {MolSculpt: Sculpting 3D Molecular Geometries from Chemical Syntax},
author = {Zhanpeng Chen and Weihao Gao and Shunyu Wang and Yanan Zhu and Hong Meng and Yuexian Zou},
journal= {arXiv preprint arXiv:2512.10991},
year = {2025}
}