使用大型语言模型挖掘专利显示功能标签与化学结构的一致性

Sep, 2023

使用大型语言模型挖掘专利显示功能标签与化学结构的一致性

Mining Patents with Large Language Models Demonstrates Congruence of Functional Labels and Chemical Structures

Clayton W. Kosonocky, Claus O. Wilke, Edward M. Marcotte, Andrew D. Ellington

TL;DR从化学结构预测化学功能是化学科学的一个重要目标，最近，新的机器学习算法为跨多个不同化学功能的通用预测模型打开了可能性。我们使用可扩展的 ChatGPT 辅助专利摘要和词嵌入标签清理流程，构建了一个 Chemical Function (CheF) 数据集，其中包含了 10 万个分子及其由专利衍生的功能标签，并验证了这些功能标签的高质量，发现功能标签的共现图包含了稳健的语义结构，进一步对化合物之间的功能相关性进行了研究，并训练了 CheF 数据集上的模型，从而能够将新的功能标签分配给化合物，有望实现预测化学功能的新方法。

Abstract

Predicting chemical function from structure is a major goal of the chemical sciences, from the discovery and repurposing of novel drugs to the creation of new materials. Recently, new machine learning algorithms

chemical function machine learning algorithms chemical function dataset functional labels predictive models

发现论文，激发创造

多学科材料科学中的功能材料知识图谱构建

通过利用先进的自然语言处理技术，从过去十年中所有高质量研究论文中提取数百万个三元组，将无结构信息组织为九个不同类别的标签，并与论文的数字物体识别符无缝集成，Functional Materials Knowledge Graph（FMKG）作为最新的功能材料结构数据库，为加速功能材料开发和构建更全面的材料知识图谱奠定了基础。同时，我们的研究为实用的基于文本挖掘的知识管理系统奠定了基础，不仅适用于复杂材料系统，也适用于其他专业领域。

Apr, 2024

应用自然语言处理方法探索化学空间，助力药物研发

自然语言处理在药物发现中的应用及影响

Feb, 2020

分子发现中的语言模型

科学语言模型在分子发现中的作用及其在药物设计、性质预测和反应化学中的优势，以及通过降低科学语言建模领域的门槛来加速化学发现，并提出结合聊天机器人界面和计算化学工具的分子设计愿景。

Sep, 2023

超越化学语言：多模态方法提高分子性质预测

本文介绍了一种新颖的多模态语言模型方法，结合化学语言表征和物理化学特征，以预测分子性质。我们的方法使用因果多阶段特征选择方法，在 MOLFORMER 生成的分子嵌入向量空间中，将这些因果特征与物理化学特征相结合。我们的结果表明，与现有的化学语言模型 MOLFORMER 和图形神经网络相比，在预测生物降解性和 PFAS 毒性估计等复杂任务方面，我们的提出的方法表现更优秀。此外，我们证明了我们的特征选择方法可以在保持或提高模型性能的同时降低 Mordred 特征空间的维数。这一方法为未来的分子性质预测研究开辟了有 promising avenues。

Jun, 2023

大规模语言模型、科学知识与真实性：一项抗生素发现的系统分析

本文研究了使用大型语言模型（LLMs）对话生物医学背景知识以及从大量的科学文献中提取信息的潜力，以抗生素发现为例，系统评估了 9 种最先进的模型在生成化合物定义和确定化合物 - 真菌关系方面的能力，并发现虽然最新模型在流畅度方面得到了改善，但其事实准确性仍然很低，而且模型存在偏向于过度呈现某些实体的问题。

May, 2023

化学 LLM: 一种化学大型语言模型

ChemLLM 是第一个专门用于化学领域的大型语言模型，通过使用结构化化学知识构建对话系统，能够在化学学科中顺畅交互完成各种任务，包括名称转换、分子标题和反应预测，并在相关数学和物理任务中展现出出色的适应性。

Feb, 2024

GPT 模型在化学方面能做什么？八项任务的综合评估

本文针对大语言模型在化学领域能力的未知，建立起一个包含 8 个化学实践任务的全面基准，运用 GPT-4、GPT-3.5 和 Davinci-003 三种 GPT 模型以零样本和少样本的情境下进行测试，发现 GPT-4 相较于其他两种模型表现更佳，而 GPT 模型在需要精确理解分子 SMILES 表示的任务中较为欠缺，而在文本相关的说明任务方面表现出较强的能力。

May, 2023

基础大型语言模型能辅助进行制药生产调查吗？

利用历史记录，将大型语言模型（LLM）应用于制药生产调查，提取特定信息并进行语义搜索。

Apr, 2024

大型语言模型是超人级化学家吗？

通过 ChemBench 等评估框架，我们发现大型语言模型在化学科学中展示出卓越的能力，但仍需进一步研究以提高其安全性和实用性。

Apr, 2024

预测化学结合文本检索

本文研究了在化学领域中使用自然语言描述来增强预测模型。使用文献手动提取的大量结构化数据来训练化学信息模型是传统的方法。本文引入了一种新的方法 TextReact，该方法直接利用从文献中检索到的文本增强预测化学。TextReact 检索与给定化学反应相关的文本描述，然后将其与反应的分子表示进行对齐。通过在预测器训练中加入辅助的掩码语言模型目标，增强了这种对齐。我们通过两个化学任务进行了实证验证：反应条件推荐和一步逆合成。通过利用文本检索，TextReact 显著优于仅基于分子数据训练的最先进的化学信息模型。

Dec, 2023