击败25个分子设计算法，佐治亚理工、多伦多大学、康奈尔提出大语言模型MOLLEO

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 作者 |  佐治亚理工学院王浩瑞 编辑 | ScienceAI 分子发现作为优化问题，因其优化目标可能不可微分而带来显著的计算挑战。进化算法（EAs）常用于优化分子发现中的黑箱目标，通过随机突变和交叉来遍历化学空间，但这会导致大量昂贵的目标评估。 在这项工作中， 佐治亚理工学院、多伦多大学和康奈尔大学研究者 合作 提出了分子语言增强进化优化（MOLLEO）， 通过将拥有化学知识的预训练大语言模型（LLMs）整合到进化算法中，显著改善了进化算法的分子优化能力。 该研究以《 Efficient Evolutionary Search Over Chemical Space with Large Language Models 》为题，于 6 月 23 日发布在预印平台 arXix 上。 论文链接： https://arxiv.org/ab s/2406.16976 分子发现的巨大计算挑战 分子发现是一个复杂的迭代过程，涉 ………………………………