研究人员探索了用于分子优化的离散扩散模型的设计空间，重点是如何在有限的预言机预算下适应预训练的生成模型。他们在各种分子和蛋白质任务上的研究表明，采集、奖励塑造和模型去偏对小型分子具有互补的优势。纳入回放和有效性惩罚可以进一步稳定学习，并在有效分子流形内保持探索。这种结合了采集、奖励塑造、去偏、回放和有效性控制的在线微调方法，在预言机调用和计算资源受限的情况下，表现优于离线微调和推理时搜索方法。 AI
影响 这项研究通过在有限的计算资源下优化分子结构，为药物发现和材料科学提供了更有效的方法。
排序理由 该集群包含一篇学术论文，详细介绍了使用离散扩散模型进行分子优化的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
