新框架HGR提升分子生成与表征学习性能
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把分子拆成规则序列
这项研究提出了一种名为高阶语法表示（HGR）的框架，思路是把分子提升为组合复形，再依据上下文无关的高阶语法，将每个复形解析成一段紧凑的产生式规则序列。研究者认为，分子的学习效果很大程度上取决于其底层表示方式，而常见的序列化表示与图表示难以显式刻画环系、重复基元这类高阶拓扑结构。已有的高阶表示虽然能直接捕捉这些结构，却往往计算代价高，并且不易解码成合法分子。HGR 的做法是把高阶拓扑序列化为规则序列，使这类结构可以直接被标准序列模型处理，从而在保留拓扑表达能力的同时，避开显式高阶编码带来的额外计算开销。
环系基准与多样性指标
为减少基准测试对简单环系的偏向，作者构建了 RingDiv 基准，其中包含 118 万个分子，并从中整理出 RingDiv300k 子集。同时，他们提出环多样性指数（RDI），用来量化对环系覆盖的广度。这一部分针对的是评测数据本身的结构偏差问题：如果测试集中环系过于简单，模型在高阶拓扑上的能力就难以被区分出来。RingDiv 与 RDI 的组合，相当于为高阶分子表示提供了一个更侧重环结构的评测口径，也让后续比较有了一致的衡量方式。
生成与表示学习的表现
在分子生成任务上，基于 HGR 的模型把构造上的 100% 合法性与领先的分布对齐能力结合在一起，在全部五个生成基准上取得 FCD 第一。在表示学习方面，HGR-FM 在七项 MoleculeNet 基准上取得最高平均 AUC，在探测与全量微调两种迁移协议下，分别比最强基线高出 8.3 和 3.3 个 AUC 点。作者据此认为，HGR 是一种高效的高阶表示，可同时服务于分子生成与可迁移的表示学习。对关注分子建模的读者而言，这意味着在不引入显式高阶编码开销的前提下，环系等结构信息可以被更直接地纳入现有序列模型流程。
为什么值得看
HGR解决了分子高阶拓扑编码难与解码开销大的痛点，在生成与表征学习双赛道均刷新SOTA，对AI制药极具价值。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。