English(EN) MolHop: Scaffold-Hopping Molecular Design with Agentic Reinforcement Learning

MolHop框架使AI代理能够发现新颖的分子支架

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了MolHop，这是一个新颖的、用于分子发现的代理框架，它超越了简单的优化，能够识别出具有保留功能特性的结构上不同的分子。通过将数百万个分子支架组织成一个分层动作空间，MolHop使AI代理能够导航和编辑化学结构，为复杂的搜索过程保留历史记忆。当与Grok-4.6和DeepSeek-Flash-V4.1等模型集成时，MolHop显著提高了跨支架发现的成功率。此外，通过代理强化学习训练的MolHop-9B模型，通过生成具有更大支架多样性的分子，其性能优于GPT-5.6-sol、Claude-5-Opus和Gemini-3.1-Pro等领先的生成模型。 AI

影响这项研究展示了一种新的AI驱动的分子发现范式，通过探索多样化的化学空间，有可能加速新药候选物和材料的识别。

排序理由该集群描述了一篇详细介绍新颖的分子发现框架和模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇详细介绍新颖的分子发现框架和模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yanyi Su, Chenyan Wang, Yulei Gong, Yeyun Chen, Xiaohui Yang, Jun Cheng · 2026-10-15 04:00

MolHop：使用 Agentic 强化学习进行支架跳跃分子设计

arXiv:2610.19920v1 Announce Type: cross Abstract: Molecular design is often formulated as an optimization problem over existing molecular spaces. However, molecular optimization and the discovery of structurally distinct replacement molecules represent two fundamentally different…

本文如何被排名

报道来源 [1]

MolHop：使用 Agentic 强化学习进行支架跳跃分子设计

相关实体

相关话题