研究人员开发了一种名为“短期图记忆”的新模块，以改进在预言机预算有限的情况下运行的分子优化过程。该模块通过从先前评估的分子中学习，来更有效地优先排序未来的预言机查询，从而增强现有的生成器架构。通过维护一个在线图神经网络代理，系统可以预先筛选候选分子，确保有限的预算分配给具有最高预测效用的分子。当应用于基于片段的生成器和标准基准测试时，该方法在不增加预言机成本的情况下显著改善了结果，即使在只有一千次调用这一严格预算下也证明了其有效性。 AI
影响 该方法通过优化计算资源的使用，可能导致更高效的由AI驱动的药物发现和材料科学研究。
排序理由 该项目是一篇学术论文，详细介绍了一种新的分子优化方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- fragment-based generator
- Gotit.pub
- graph neural surrogate
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Litmaps
- Oracle-Budgeted Molecular Optimization with Short-Term Graph Memory
- ScienceCast
- scite Smart Citations
- short-term graph memory
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
