- 从理论到治疗：通过实用指标重构 SBDD 模型评估
通过评估生成分子与已知活性化合物的相似性，引入基于虚拟筛选的实际部署能力度量，以更严格地重新评估结合亲和性，我们提出了一个综合评估框架来解决结构基药物设计在实际应用中的限制，研究结果显示，尽管当前的结构基药物设计模型在 Vina 评分上表现 - 分子图中优化 OOD 检测：利用扩散模型的新方法
通过采用基于辅助扩散模型的框架，我们提出一种检测异常分子的方法，其中比较输入分子和重构图之间的相似性，并通过生成模型中的迭代去噪过程以有效量化匹配度，构建符合正常分子但远离异常分子的典型图，并使用高效可扩展的异常检测器，比较测试样本与预先构 - ControlMol: 为分子扩散模型添加子结构控制
通过对扩散模型进行预训练，使用 ControlNet 思想进行条件分子生成，实现基于随机分割的亚结构数据生成有效且多样性更强的分子。
- 3M 扩散：基于文本引导的分子图生成的潜在多模态扩散
使用 3M-Diffusion 方法，可以根据给定的文本描述生成与之语义匹配的，高质量、新颖、多样化的分子图。
- 分子和材料科学中的知识重用迁移学习方法
分析转移学习在分子和材料科学中的应用和近期进展，重点关注转移学习方法在高级分子和材料的发现中的应用，不同系统下转移学习框架的构建以及如何提高模型性能，并讨论了转移学习面临的挑战。
- 双空间优化：潜在提示变换提升分子序列设计
通过引入 Dual-Space Optimization (DSO) 方法，结合了潜空间采样和数据空间选择来解决分子设计中的难题，本文提出的生成模型采用潜在提示变换器（LPT）的形式，通过优化过程逐渐实现生成模型和合成数据朝着期望的属性值区 - 通过反向传播优化密度泛函理论降低量子化学数据成本
密度泛函理论准确预测分子的量子化学性质，但其计算规模与电子数量的立方成正比。Sch"utt 等人成功地通过神经网络以 1000 倍的速度近似 DFT。在扩展到更大分子时，最大的问题是 DFT 标记的成本。我们的方法在 31 小时内实现了可比 - 使用图卷积网络学习通用且鲁棒的三维分子表示
我们提出了一种基于图表示的全能且鲁棒的 Directional Node Pair (DNP) 描述符，该描述符能够结合分子的几何信息和化学特征，并构建了能够综合考虑节点和边特征的 Robust Molecular Graph Convol - ICML用 Von Mises 混合分布产生分子构象
本文介绍了一种名为 VonMisesNet 的图神经网络模型，该模型能够在物理上准确地生成分子共形性，并且比传统的采样方法快得多。
- 多目标分子优化在利用生成网络复合物治疗阿片类药物使用障碍中的应用
本研究提出了一种深度生成模型，利用自编码器模型的潜在空间，结合基于随机微分方程的扩散建模，实现有效生成对多种目标，包括 mu、kappa 和 delta 阿片类受体有效的分子，通过整合自动编码器嵌入分子指纹、变压器嵌入和拓扑拉普拉斯与先进机 - MAGNet: 基于形状的无模体生成分子技术
本文介绍了一种名为 MAGNet 的基于图的机器学习模型，可用于生成具有多样性分子结构的候选药物，该方法通过生成抽象几何形状再分配原子和键类型来实现。
- MolKD: 化学反应跨模态知识蒸馏用于分子性质预测
本文研究通过融入与化学反应相关的领域知识来学习有效的分子代表，并提出了一种新的方法 ——MolKD，通过将跨模态化学反应和分子之间的知识蒸馏为分子性质预测提供帮助。经过大量实验验证，该方法明显优于其他基线模型并具有较高的鲁棒性和可解释性。
- ICLR基序能够作为归纳偏差用于学习分子分布
通过研究亚图结构和词汇设计对分布学习的影响，揭示了 Subcover 对于提高现有方法的性能和可扩展性的潜力，从而在分子机器学习方面为化学家提供了优秀的工具。
- 分子预训练模型系统调查
本篇论文总结了分子预训练模型领域的近期进展，并从分子描述符、编码器结构、预训练策略和应用等几个关键角度进行了系统性分析，以期为机器学习和科学界提供有用的资源。
- ICML基于曲率的图网络多任务学习
本文研究了多任务学习中的 loss curvature 对于图神经网络预测晶体和分子性质的影响，发现不同属性的 loss 表面曲率差异很大，因此需要更好的训练框架。
- 简化电路复杂度的变分量子本征求解器
提出了一种名为 ClusterVQE 的新算法，该算法利用量子互信息来将初始量子位空间分割为子空间（量子集群），这些集群进一步分布在单独的（更浅的）量子电路中，并且通过新的 “dressed” 哈密顿量考虑了不同集群之间的纠缠，从而实现了电 - E (n) 等变标准化流
介绍了一种生成模型，E（n）同变标准化流（E -NFs），并将歧视性的 E（n）图神经网络作为微分方程集成为可逆的同变函数：连续时间标准化流。它在粒子系统（如 DW4 和 LJ13）以及 QM9 的分子方面表现出了比基线和现有方法更好的对数 - ICLR学习使用结构基元扩展分子支架
本文提出了一种基于图形的 MoLeR 模型，支持框架作为初始生成过程的种子，能够在没有生成历史的条件下快速训练和采样，而且在定向分子优化任务上表现优异。
- 钻研分子合成 DAG 图的搜索方法
本论文介绍了一种调用化学反应生成分子的生成模型，并以优化分子合成为目标来提高模型可生成性能。
- 利用分子点群对称性降低量子模拟的量子比特要求
为了在限制条件下优化量子算法的资源利用，本文开发了如何减少模拟分子所需量子比特数的方法，用的是空间对称性的第二量子化表示，并将它们转换为它们的量子比特运算符表示。