TrustMol：通过与分子动力学对齐实现可信的逆向分子设计
化学物理
2024-02-28 v1 机器学习
定量方法
摘要
生成具有所需特性的分子（即逆向分子设计，IMD）的数据驱动方法近年来引起了广泛关注。尽管在解的准确性和多样性方面取得了显著进展，但现有的 IMD 方法在可信度方面仍显滞后。根本问题在于，这些方法的设计过程日益隐式和间接，且与原生正向过程（NFP，即模拟分子动力学的真实函数）相隔离。基于这一洞察，我们提出了 TrustMol，一种旨在具备可信度的 IMD 方法。为此，TrustMol 依赖一系列技术创新，包括一种新的变分自编码器网络。此外，我们提出了一种潜空间 - 属性对获取方法，以有效导航分子潜空间优化的复杂性，这一过程看似直观，但由于分子空间的高频和不连续特性而充满挑战。TrustMol 还将不确定性感知整合到分子潜空间优化中。这些改进提升了 IMD 过程的可解释性和可靠性。我们通过广泛的实验验证了 TrustMol 的可信度。
引用
@article{arxiv.2402.16930,
title = {TrustMol: Trustworthy Inverse Molecular Design via Alignment with Molecular Dynamics},
author = {Kevin Tirta Wijaya and Navid Ansari and Hans-Peter Seidel and Vahid Babaei},
journal= {arXiv preprint arXiv:2402.16930},
year = {2024}
}