研究前沿：浙江大学-大型语言模型Prompt工程-分子优化 | Nature Machine Intelligence

文章预览

候选分子的理化和功能性质优化，一直是药物和材料设计中的关键任务。尽管平衡多个（潜在冲突的）优化目标的重要任务，是人工智能的理想选择，但一些技术挑战，如多属性标记训练数据的稀缺，在很长一段时间内，限制了人工智能解决方案的开发。 Prompt-MolOpt是一种分子优化工具；利用大型语言模型中，基于提示词嵌入，以提高转换器优化分子，以进行特定属性调整的能力。Prompt-MolOpt通过有效地概括从单属性数据集学习的因果关系，在处理有限的多属性数据（即使在zero-shot setting）方面，表现出色。在已建立模型（如JTNN、 hierG2G和Modof）的比较评估中，相比于领先的Modof模型，在多属性优化成功率方面，Prompt-MolOpt实现了超过15%的相对提升。Prompt-MolOpt变体Prompt-MolOptP，可在结构转化时，保留药效团或任何用户指定的片段，进一步拓宽了应用范围 ………………………………