Nat Common | le Modèle linguistique peut apprendre des distributions moléculaires complexes

2022Année6Mois7Jour,De la faculté d'informatique de l'Université de TorontoDaniel Flam-ShepherdAttendez.Nat CommunPublication des travaux de recherche,L'étude a introduit trois tâches de modélisation complexes pour tester la capacité du modèle de langage chimique à produire des molécules en profondeur.,Les résultats montrent que le Modèle linguistique est un modèle de génération très puissant qui peut apprendre n'importe quelle distribution moléculaire complexe..

Liens vers les articles：

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

Résumé

Le modèle de génération de profondeur moléculaire a été largement utilisé,Ces modèles sont formés sur des ensembles de données connexes,Utilisé pour rechercher tout l'espace chimique.Valeur du modèle de formation pour la conception inverse de nouveaux composés fonctionnels,Dépend de sa capacité à apprendre la distribution moléculaire.L'exemple le plus simple est un modèle linguistique,Il prend la forme d'un réseau neuronal cyclique,Et les molécules générées sont représentées par des chaînes.

Dans ce travail,Nous avons étudié la capacité d'un modèle linguistique simple à apprendre des distributions moléculaires plus complexes..À cette fin,,Nous avons compilé plus grand、Distribution moléculaire plus complexe,Plusieurs tâches de modélisation générative difficiles ont été introduites.,La capacité du Modèle linguistique à chaque tâche a été évaluée..

Les résultats montrent que,Le Modèle linguistique est un puissant modèle de génération,Capacité d'apprendre avec compétence les distributions moléculaires complexes.Le Modèle linguistique peut être généré avec précision：ZINC15La pénalité la plus élevéeLogP Distribution moléculaire , Distribution moléculaire multimodale et PubChem La plus grande molécule . Ces résultats mettent en évidence les limites de certains des modèles de génération de graphiques les plus populaires et les plus récents , Bon nombre de ces modèles ne peuvent être étendus à ces distributions moléculaires .