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
………………………………