PulseAugur
实时 13:57:18
English(EN) Symbolic Neural Generation with Applications to Lead Discovery in Drug Design

神经符号AI生成新型候选药物

研究人员开发了一种名为符号神经生成器(SNGs)的新型神经符号模型,该模型将归纳逻辑编程与大型语言模型相结合。这些SNGs可以从少量数据实例中学习,生成符合形式正确性标准的新颖、有效数据。该系统既能生成可行实例的符号描述,也能生成一组新颖的实例。在药物设计早期阶段的初步评估表明,SNGs在基准问题上的表现与最先进的方法相当,并且在探索性问题上生成的分子与领先的临床候选药物具有相当的结合亲和力。 AI

影响 这种神经符号方法可以通过生成具有高结合亲和力的新型分子候选物来加速药物发现。

排序理由 这是一篇描述新AI方法论的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ashwin Srinivasan, Tirtharaj Dash, A Baskar, Michael Bain, Sanjay Kumar Dey, Mainak Banerjee ·

    Symbolic Neural Generation with Applications to Lead Discovery in Drug Design

    arXiv:2510.23379v2 Announce Type: replace-cross Abstract: We investigate a relatively under-explored class of hybrid neurosymbolic models that integrate symbolic learning with neural reasoning to construct data generators meeting formal correctness criteria. In Symbolic Neural Ge…