韩国科学技术院提出HI-Mol模型，仅使用训练集2%的数据即可实现分子生成

文章预览

寻找新分子一直是化学中一个基本而关键的问题，因为它与实现重要应用(如药物发现和材料设计)有着密切的关系。基于生成模型最近在其他领域(例如图像和视频)在学习高维数据分布方面的突破的启发，一些研究已经考虑使用大型分子数据集训练深度生成模型来学习分子分布。尽管分子生成方法在基于大规模数据集来寻找化学上有效的新分子的任务上表现出优秀的性能，然而，现有的生成模型在小样本数据集的分子生成任务上仍面临挑战。 2024年5月2日，韩国科学技术院Seojin Kim等人在人工智能顶级会议ICML2024上发表文章Data-Efficient Molecular Generation with Hierarchical Textual Inversion。 作者提出了一种新的分子生成方法，分子生成层次文本反转 (Molecular generation with Hierarchical textual Inversion, HI-Mol )。HI-Mol的灵感来自于层次信息的重要性，例如，在理解分子分布 ………………………………