通过异构分子编码导航化学-语言共享空间
计算工程、金融与科学
2025-01-07 v2
摘要
化学语言模型（CLMs）因其在探索化学空间和实现分子工程方面的有效性而备受推崇。然而，在探索化学-语言空间时，CLMs 面临自然语言与分子表示之间鸿沟的挑战。这主要源于分子与文本建模方式的内在差异：分子采用统一建模来学习化学空间，而自然语言则顺序建模语义空间。此外，高质量 text-to-molecule 数据集的稀缺性进一步恶化了这一挑战。为解决此问题，我们首先从不同角度验证了分子表示中信息偏差的存在。随后，我们开发了异构分子编码（HME）框架，一种统一的分子编码器，通过 Q-learning 将分子特征从片段序列、拓扑和构象压缩。为更好地建模化学-语言空间，我们进一步构建了 MCMoD 数据集，包含超过百万分子，涵盖各种条件，包括性质、片段和描述。实验表明，HME 促进了 CLMs 实现化学-语言共享空间探索：(1) 在语言引导下进行化学空间探索，其中 HME 在多个约束条件下，甚至在零样本情景下的分子设计中实现了显著改进（+8.9% FCD）；(2) 在分子引导下进行语言空间探索，其中 HME 能为分子生成高质量的文本描述（+11.6% BLEU）。这些结果突显了 HME 在处理多目标和跨域任务方面的精度，以及其在未见任务组合上的卓越泛化能力。HME 为导航化学-语言共享空间提供了新视角，推动了 CLMs 在化学基础研究和实际应用中的潜力。
引用
@article{arxiv.2412.20888,
title = {Navigating Chemical-Linguistic Sharing Space with Heterogeneous Molecular Encoding},
author = {Liuzhenghao Lv and Hao Li and Yu Wang and Zhiyuan Yan and Zijun Chen and Zongying Lin and Li Yuan and Yonghong Tian},
journal= {arXiv preprint arXiv:2412.20888},
year = {2025}
}
备注
Submitted to Nature Machine Intelligence