研究者开发了LLM-EO算法，结合大型语言模型与进化优化，显著提升化学空间探索效率。该算法灵活控制目标，优化效率高，能够生成新化学结构，突破传统设计限制。实验结果表明，其在识别高潜力化合物方面表现优异，未来有望进一步提升。

康奈尔大学等机构提出了ChemFlow框架，用于高效探索化学空间。该框架通过学习向量场，在潜在空间中生成和优化分子，统一了先前的方法，具备灵活性和可扩展性，支持无监督训练。实验表明其在分子操控和优化任务中有效，能在保持结构的同时改变属性。未来，ChemFlow将在分子科学、药物设计和材料发现中带来新机遇。