Smiles
PulseAugur coverage of Smiles — every cluster mentioning Smiles across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
潜扩散模型生成具有目标特性的的分子
研究人员开发了一种用于生成具有特定特性的分子的潜扩散模型。该框架使用 ChemBERTa 编码器表示 SMILES 字符串,并使用 Transformer 解码器重建 SELFIES 字符串。可微分的属性预测器指导扩散采样过程以达到期望的终点,例如血脑屏障通透性或人 $\beta$-分泌酶 1 的抑制作用。使用 RDKit 验证生成的分子,证明了该模型能够生成化学上有效、新颖且可控的分子。
-
新的ChemInsight基准揭示LLM在化学领域表现不佳
研究人员开发了ChemInsight,一个用于评估大语言模型(LLMs)在化学领域能力的新基准,重点关注多步推理和化学结构理解。该基准包含50个捆绑包中的203个问题,并使用新颖的二维评分系统来评估范围和深度。对十个LLMs的初步测试显示,其表现明显偏低,范围得分低于30%,深度得分低于11%,远低于人类专家的水平。该研究还探讨了限制LLM在化学领域表现的因素、对SMILES等化学语言进行统计训练的有效性,以及领域特定语料库的影响。
-
新数据集OPRD-Imp旨在改进AI对药物合成杂质的预测
研究人员推出了OPRD-Imp,一个旨在解决药物合成中反应杂质预测数据稀缺问题的新数据集。该数据集包含来自《Organic Process Research & Development》62篇出版物的229个有机反应,并详细标注了784个实验观察到的杂质及其机理来源。这些数据由化学家提取和验证,使用反应SMILES和杂质SMILES字符串格式化,保留了多步合成路线的连接性。OPRD-Imp旨在为评估专注于杂质预测的机器学习模型提供一个基准。
-
新的MECo框架将LLM意图转化为可执行代码,用于分子编辑
研究人员开发了MECo,一个旨在改进药物发现分子编辑的新框架。MECo将大型语言模型生成的高级编辑意图转化为可执行代码,确保更准确和可解释的结构修改。该方法在重现真实编辑方面实现了超过98%的准确率,并显著提高了下游基准测试的一致性和成功率,为药物设计中更有效的人机协作铺平了道路。
-
新研究发现:大型语言模型在分子知识跨标识符绑定方面存在失败
arXiv上发表的一篇新研究论文详细介绍了一种在用于化学领域的大型语言模型(LLMs)中出现的现象,称为“跨标识符绑定失败”。研究发现,即使是专门的化学LLMs,当一个分子用不同的标识符(如IUPAC名称或SMILES字符串)表示时,它们在一致地访问相同知识方面也面临困难。研究人员引入了一个基准来展示这个问题,并提出了一种名为“绑定自蒸馏”(Binding Self-Distillation)的缓解技术,旨在直接从SMILES中改进知…
-
新AI框架PairIT优化分子用于药物发现
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。
-
新型分子语言 STAMP 可实现片段级学习和编辑
研究人员开发了 STAMP,这是一种新颖的分子语言,专为化学中的片段级学习和编辑而设计。与现有方法不同,STAMP 显式编码了基序身份、连接位点和树拓扑,从而实现了可重用片段和对子树的直接访问。这种方法在预测分子活性和优化化学结构方面表现出更高的性能,在各种基准测试中优于 SMILES 编码器。
-
新框架赋能药物发现的可控分子生成
研究人员开发了一个名为“基于扩散语言模型的跨模态可控分子生成”(CMCM-DLM)的新框架,用于生成具有特定性质的分子。这种模块化方法扩展了预训练的扩散模型,使其能够处理各种约束,而无需重新训练整个模型。CMCM-DLM采用分阶段设计,其中结构控制模块用于建立分子骨架,属性控制模块用于指导生成过程以获得所需的化学性质,并在药物发现应用中证明了其有效性。
-
ChemMLLM:用于化学理解和生成的新型多模态大语言模型
研究人员推出 ChemMLLM,这是一种新颖的多模态大语言模型,专为化学理解和生成而设计。该模型通过整合文本、分子 SMILES 字符串和图像,解决了化学 MLLM 的跨模态能力差距。ChemMLLM 已与各种领先模型进行了基准测试,在图像生成等多个任务中,其性能优于通用 MLLM,并与专业模型相比具有竞争力。
-
Apple ML Research 探索 LLM 代理、翻译、语音和安全
Apple 的机器学习研究部门发布了几篇详细介绍 AI 进展的论文。其中一篇论文介绍了 SelfCompact,一个允许语言模型代理通过决定何时以及如何压缩信息来自主管理其上下文的系统,从而提高效率并降低基准测试中的 token 成本。另一项研究评估了大型语言模型 (LLM) 在机器翻译质量标注方面的表现,发现尽管 LLM 显示出潜力,但它们与人类标注者的一致性在不同任务和语言之间差异很大,这凸显了协作标注流程的必要性。此外,研究表明…
-
GraphNOSE: 新型图变换器预测嗅觉特性
研究人员开发了GraphNOSE,一个开源的图变换器框架,用于从分子结构预测嗅觉特性。与现有的线性模型、分子语言模型嵌入和图神经网络相比,这个新模型表现出更优越的性能,尤其是在泛化到新颖的化合物和混合物方面。GraphNOSE采用基于变换器的图架构,集成了位置和结构编码,以显著少于传统图神经网络的参数实现了高精度。该框架还纳入了可解释AI方法,以识别影响气味预测的关键分子亚结构和特征,提供了化学上直观的见解。
-
研究发现:前沿大型语言模型广泛存在分子数据逐字检索现象
一篇新发表在arXiv上的研究论文,调查了前沿语言模型中“分子似曾相识”的现象,即模型似乎是逐字检索已发布的分子属性值,而非进行预测。研究发现,这种逐字检索现象普遍存在,但在不同的回归基准测试中差异显著。有趣的是,当模型被赋予更高的推理提示时,检索率会显著增加。该研究还探讨了中断这种检索的方法,并提出模型的通用预测能力并非完全由记忆的值决定。
-
新方法使用概率模型检查用于AI序列模型
研究人员开发了一个新流程,使用概率模型检查来分析自回归神经网络序列模型,解决了传统测试集准确性的局限性。该方法量化了采样可以访问但贪婪解码可能遗漏的概率质量,并确定了满足域要求的输入总体分数。该流程从模型中提取马尔可夫链,使用PRISM模型检查器验证规范,并提供可达性概率的认证区间,通过CEGAR循环来优化结果并提取证伪轨迹。
-
AI利用语言引导晶体和分子结构生成
两篇新研究论文介绍了使用语言信息流匹配进行结构生成的新方法。第一篇TFMat使用结构化文本引导晶体结构生成,提高了匹配率和与期望属性的一致性。第二篇LiFT采用语言衍生的化学先验知识来指导用于药物设计的3D分子生成,在保持结构有效性的同时提高了药物化学指标。
-
新型代理LLM S3C-LLM增强分子结构阐明
研究人员开发了S3C-LLM,这是一种新颖的代理语言模型,用于分子分析中的光谱到结构阐明。与直接将光谱转换为SMILES的先前方法不同,S3C-LLM通过检索特定技能、执行分析代码以及整合证据来生成分子结构,从而模仿光谱学家的分析过程。该方法使用Qwen3-4B模型的监督微调和强化学习策略进行训练,与现有的通用和光谱特定模型相比,表现出卓越的性能。
-
大语言模型驱动的框架增强分子逆向设计
研究人员开发了一个名为“method”的闭环框架,用于分子逆向设计,该框架利用大语言模型(LLM)来处理任务指令、优化历史和预言机反馈。该方法旨在提高生成的分子与所需属性匹配的比例。在药物和材料设计任务上的实验表明,“method”的表现优于单次提示,并且与基于高斯过程的贝叶斯优化基线相比具有竞争力或更优。该框架以自然语言提供了可检查的优化轨迹,并观察到领域相关的性能变化。
-
VERDICT系统提升化学结构识别准确性
研究人员开发了一个名为VERDICT的新系统,提高了光学化学结构识别(OCSR)的准确性。VERDICT利用多个识别器之间的一致性,其性能优于像素空间验证方法。这种方法对于通过可靠地识别和验证化学结构来从科学文献中构建大规模化学训练数据集至关重要。
-
新的VLSR框架通过本地化增强LLM分子推理能力
研究人员开发了视觉潜在结构推理(VLSR)框架,旨在改进大型语言模型(LLM)理解分子结构和预测其性质的方式。与直接处理分子图像或使用SMILES等文本表示的先前方法不同,VLSR首先识别分子图像中化学上重要的区域。然后,它利用这些局部区域在潜在空间中进行推理,从而实现更专注、更高效的分析。据报道,与基于文本的推理基线相比,该方法实现了9.6倍的更高吞吐量。
-
新型分子大语言模型使用子结构推理以改进属性预测
研究人员开发了MR-MoL,这是一种新颖的分子大语言模型(LLM),用于药物发现中的属性预测。与现有隐式表示分子的模型不同,MR-MoL显式地将子结构归因作为推理。这种推理源自微调的图神经网络,通过突出显示不同粒度(如Murcko骨架、BRICS片段和官能团)的影响分子成分来指导LLM。该模型在八项MoleculeNet任务上表现出色,优于通用模型,并缩小了与专用模型的差距,同时诊断证实了其有效利用了提供的推理。
-
MolBioKG 系统将未注册分子置于生物医学知识图谱中
研究人员开发了 MolBioKG,一个旨在将未注册分子连接到生物医学知识图谱的新型两层系统。该系统通过使用多分辨率结构锚定将未见过的分子置于现有的生物医学证据中,解决了“图外分子”的挑战。MolBioKG 仅使用 SMILES 字符串即可检索结构相关的图实体并遍历其生物医学邻域,在多跳推理和图外目标召回等任务中表现优于现有方法。