基于文本引导的多性质分子优化与扩散语言模型
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对传统分子优化方法在化学空间中无法准确预测分子性质的问题，提出了一种基于文本引导的多性质分子优化方法（TransDLM），通过将化学名称标准化为语义表示来防止误差传播。研究表明，TransDLM在优化分子的结构相似性和增强化学性质方面优于现有的最佳方法，具有较大的应用潜力。
本文介绍了一种创新的多模态语言模型，通过结合化学语言和物理化学特征来预测分子性质。该模型采用因果多阶段特征选择，优于现有模型如MOLFORMER和图形神经网络，特别是在生物降解性和PFAS毒性估计方面表现出色。此外，该方法还能减少特征空间维度，提高模型性能，为分子性质预测提供新方向。
