分子结构和性质的详细分析具有通过机器学习进行药物开发发现的巨大潜力。我们介绍了用于基于 SMILES 数据检测和聚类化学化合物的各种方法。通过分析化学化合物的图形结构，我们的方法使用向量搜索来满足阈值值，并得到显著而集中的聚簇，该方法在查询和理解化合物方面产生了有利结果。此外，我们还使用存储在向量数据库中的 GPT3.5 的自然语言描述嵌入，优于基本模型。因此，我们引入了一种相似性搜索和聚类算法，以帮助搜索和与分子进行交互，增强化学探索的效率并实现未来在分子属性预测模型中的新发性能的发展。

Oct, 2023

采用自编码器进行非线性机器学习，发掘具有明确和可微分函数关系的 CVs，加速沿着数据启发式的 CVs 进行偏引力采样。在模拟丙氨酸二肽和 Trp-cage 时展示了这种方法。

Dec, 2017

本研究论文介绍了使用 Gaussian mixture variational autoencoder（GMVAE）进行分子模拟数据的降维和聚类，以及其在构建 Markov 状态模型方面的潜在应用。

Dec, 2019

我们提出了一种简单而高效准确的机器学习模型，称为嵌入原子神经网络 (EANN) 方法，用于发展高维势能面，该模型用神经网络表示了嵌入密度向量和原子势能之间的复杂关系，与已有的机器学习模型相比，EANN 方法具有更高的准确性和效率，可以大大加速复杂系统的分子动力学和光谱模拟。

Jul, 2019

本文提出了一种生成模型，基于能量模型（EBM）和分子生成模型、性质回归模型生成具有期望化学和生物性质的体小分子，并引入了逐步分布转移采样算法（SGDS），从而在训练的分子数据和性质的基础上，逐步将模型分布转移到具有期望性质的分子区域，取得了很好的实验效果。

Jun, 2023

研究使用断连图对 13、19、31、38、55 和 75 个原子的 Lennard-Jones 簇的势能面进行表征，这些簇具有一个或两个漏斗，其低能区域可能由单个深度最小值或包含多个竞争结构支配；为了应对大量可能存在的最小值，研究了基于单调序列盆地的拓扑单元，并对转换能量景观的断连图进行了研究以解释它提供的全局优化问题的有用方法。

Mar, 1999

在化学中，最邻近基于相似性搜索是一项常见任务，但其中一些常用方法仍然采用蛮力算法。本研究评估了低维化学嵌入和 k-d 树数据结构相结合的方法，能在标准化学相似性搜索基准下实现快速最近邻查询，并证明了这种方法在超过十亿种化学物质的搜索中，仅用一个 CPU 核心能在一秒钟内执行，比蛮力算法快五个数量级，并且在化学相似性基准中表现出竞争性能。

Feb, 2024

利用异质、互连、系统级的分子数据来实现个性化医疗，需要开发一种一般的综合性嵌入多尺度分子网络数据的框架，以实现在线性时间内对其进行可解释性利用。

May, 2024

利用能量守恒定律，我们开发了一种高效的梯度域机器学习方法（GDML），使用极少量的来自从头算分子动力学（AIMD）轨迹的样本构建准确的分子力场。这种方法可以在训练时仅使用 1000 个构象几何结构，以 0.3 kcal/mol 的能量准确度和 1 kcal/mol・Å^-1 的原子力准确度再现中等大小的分子的全局势能面。该方法使得分子动力学模拟可以像高级从头算法方法一样具有准确性和可转移性，同时减少了计算代价。

Nov, 2016

通过使用深度内核学习 (Deep Kernel Learning, DKL) 对分子探索进行主动学习方法，本研究与传统变分自编码器 (Variational Autoencoders, VAEs) 对比，揭示了潜变量空间中稀疏规律性的限制，而 DKL 提供了一种更全面的观点，通过将结构与性质相关联，创建能够优先考虑分子功能的潜变量空间。该研究强调了 DKL 在分子研究中的潜力，为理解和发现超越传统 VAE 限制的分子功能提供了新途径。

Mar, 2024