Nat Commun｜语言模型可以学习复杂的分子分布

2022年6月7日，来自多伦多大学计算机科学系的Daniel Flam-Shepherd等人在Nat Commun发表研究工作，研究为分子的深度生成模型引入了三个复杂的建模任务来测试化学语言模型的能力，结果显示语言模型是可以学习任何复杂分子分布的非常强大的生成模型。

论文链接：

https://www.nature.com/articles/s41467-022-30839-x

摘要

分子的深度生成模型已经得到了极大的普及，这些模型在相关的数据集上进行训练，被用来搜索整个化学空间。用于逆向设计新型功能化合物的生成模型的价值，取决于其学习分子分布的能力。最简单的例子是一种语言模型，它采用循环神经网络的形式，并用字符串表征生成分子。

在这项工作中，我们研究了简单语言模型学习更复杂的分子分布的能力。为此，我们编译了更大、更复杂的分子分布，引入了几个具有挑战性的生成性建模任务，并评估了语言模型在每个任务上的能力。

结果表明，语言模型是强大的生成模型，能够熟练地学习复杂的分子分布。语言模型可以准确地生成：ZINC15中得分最高的惩罚性LogP分子的分布，多模式的分子分布以及PubChem中最大的分子。这些结果突出了一些最流行的和最近的图生成模型的局限性，其中许多模型无法扩展到这些分子分布。