成功率提升15%，浙大、碳硅智慧用LLM进行多属性分子优化，登Nature子刊

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | 萝卜皮 优化候选分子的物理化学和功能特性一直是药物和材料设计中的一项关键任务。 虽然人工智能很适合处理平衡多个（可能相互冲突的）优化目标的任务，但是 例如多属性标记训练数据的稀疏性等 技术挑战，长期以来阻碍了解决方案的开发。 在最新的研究中，浙江大学侯廷军团队、中南大学曹东升团队以及碳硅智慧团队联合开发了 一种分子优化工具 Prompt-MolOpt。 它利用大型语言模型中使用的基于 Prompt 的嵌入来提高 Transformer 优化分子进行特定属性调整的能力。 Prompt-MolOpt 擅长处理有限的多属性数据（即使在零样本设置下），因为它可以有效地概括从单属性数据集中学习到的因果关系。 在与 JTNN、hierG2G 和 Modof 等成熟模型的比较评估中，与领先的 Modof 模型相比， Prompt-MolOp ………………………………