UniGEM：面向分子生成与性质预测的统一方法

分子生成和分子性质预测都是药物发现中至关重要的任务，但它们通常是独立开发的。鼓舞于最近的研究表明扩散模型——一种突出的生成方法——能够学习有意义的数据表示，从而增强预测任务后， 我们探索了在分子领域开发统一生成模型以有效解决分子生成和性质预测任务的潜力。然而，由于这些任务内在的不一致性，简单的多任务学习效果不佳。为此，我们提出UniGEM——首个成功集成分子生成和性质预测的统一模型，在两个任务中均实现卓越的性能。我们的关键创新在于一种新颖的两阶段生成过程，其中在分子骨架形成后，预测性任务得以激活。我们进一步通过创新的训练策略来增强任务之间的平衡。严格的理论分析和全面的实验表明，我们在两个任务中均实现了显著的改进。UniGEM背后的原理具有更广泛的应用潜力，包括自然语言处理和计算机视觉。