新框架MolGVR通过化学验证改进文本到分子生成

研究人员推出MolGVR，一个旨在提高文本到分子生成准确性的新颖框架。该系统通过整合验证和优化过程，解决了生成分子违反化学约束的常见问题。该框架首先生成候选分子，然后根据从输入描述派生的化学约束进行验证，最后优化任何被拒绝的候选分子。在ChEBI-20和多氯联苯数据集上的实验表明，MolGVR提高了分子生成的精确匹配性能。 AI

影响 该框架可以提高用于化学研究和药物发现的AI模型的准确性和可靠性。

排序理由 该集群包含一篇详细介绍文本到分子生成新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• ChEBI-20
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• MolGVR
• polychlorinated diphenyl ethers
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →