研究人员开发了PairIT，一个用于自回归 Transformer 的新框架，旨在优化用于药物发现的分子。该方法利用相似分子的配对来学习有意义的编辑，以改善种子分子的特定属性。该框架支持多属性优化，并可在大型数据集上进行预训练，然后在数据稀疏的小型数据集上进行微调，显示出随着预训练数据规模增大而收益递减的现象。一个拥有6800万参数的标准 Transformer 模型，在经过精心策划的配对数据训练后，能够展示出稳健的种子分子优化能力。 AI
影响 这项研究通过实现更高效、更有针对性的分子优化，尤其是在数据稀缺的情况下，有可能加速药物发现。
排序理由 该集群包含一篇学术论文，详细介绍了用于分子优化新的人工智能模型和框架。[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 →
