研究人员开发了DriftingMol，一种用于生成具有特定属性分子的新颖的两阶段框架。该方法将漂移模型适配到SELFIES潜在分子空间，利用解码器的隐藏表示作为漂移特征图。该方法在ZINC250K等数据集上，以低采样成本实现了改进的属性条件生成，并在QED等属性上显示出强相关性。 AI
影响 引入了一种低成本的偏属性分子生成机制，有望加速药物发现和材料科学研究。
排序理由 该集群包含一篇详细介绍分子生成新方法的论文。[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 →