生成分子的开源分子处理管道

MolGAN是一种深度生成模型，通过直接生成分子图来优化化学结构，结合强化学习以鼓励特定化学属性的分子生成。

MOSES是一个基准平台，用于标准化分子生成模型的训练和比较，提供训练和测试数据集及评估指标。

研究探讨了递归神经网络、自动编码器、生成对抗网络和强化学习等技术在分子生成中的应用及其优缺点。

ALMGIG是一个基于对抗学习的无似然方法，成功使用Wasserstein距离计算分子的物理化学特性相似性。

提出了一种新的分子生成模型，模拟现实制备过程，考虑反应物选择和合成路径的可行性。

结合流模型与能量模型的方法显著提高了分子构象生成的性能。

MolGen模型通过多任务学习在多个分子生成任务中表现优越，能够有效学习和共享知识。

提出了新的生成分子工作流STRIDE，能够在没有重新训练的情况下生成新分子，适用于小数据集。

基于扩散的生成模型通过深度学习推断高精度的键合参数，超越传统方法。