基于生成式 AI 的无机化合物逆向设计
人工智能
2026-04-16 v2 计算机与社会
最优化与控制
摘要
机器学习正在化学领域产生变革。除了预测模型加速虚拟筛选之外，生成式 AI 旨在实现逆向设计，将化合物到性质的预测范式反转为性质到化合物的生成。现在，化学家可以利用包括药物发现在内的丰富 AI 工具进行有机化学。然而，将这些方法应用于无机化合物仍受限于其固有性质所带来的挑战。本综述分析了这些挑战是如何被克服的，涵盖从分子到晶体、从过渡金属配合物到微孔材料等广泛的系统。分析重点在于，生成式 AI 方法如何演进为数据-表示-模型管道，以解决无机化合物的全部复杂性，包括其化学组成、几何结构、对称性和电子结构。也讨论了未来方向，如基准标准化和合成可行性指标的开发。
引用
@article{arxiv.2604.11828,
title = {The Non-Optimality of Scientific Knowledge: Path Dependence, Lock-In, and The Local Minimum Trap},
author = {Mohamed Mabrok},
journal= {arXiv preprint arXiv:2604.11828},
year = {2026}
}