自引用嵌入字符串（SELFIES）库的最新进展
化学物理
2023-09-15 v1 机器学习
摘要
基于字符串的分子表示在化学信息学应用中起着关键作用，并且随着深度学习在化学中日益取得成功，已被迅速采纳到机器学习流程中。然而，传统的基于字符串的表示（如 SMILES）在由生成模型产生时常常容易出现语法和语义错误。为解决这些问题，提出了一种新颖的表示——自引用嵌入字符串（SELFIES），其天生具有 100% 的鲁棒性，并配有开源实现。此后，我们对 SELFIES 进行了推广以支持更广泛的分子与语义约束，并简化了其底层语法。我们已在后续版本的 \selfieslib 中实现了这一更新表示，并在设计、效率和支持特性方面取得了重大进展。因此，我们在本手稿中介绍 \selfieslib（2.1.1 版）的现状。
引用
@article{arxiv.2302.03620,
title = {Recent advances in the Self-Referencing Embedding Strings (SELFIES) library},
author = {Alston Lo and Robert Pollice and AkshatKumar Nigam and Andrew D. White and Mario Krenn and Alán Aspuru-Guzik},
journal= {arXiv preprint arXiv:2302.03620},
year = {2023}
}
备注
11 pages, 2 figures