本研究探讨了生成具有期望化学性质的分子在药物研发中的应用，分析了深度生成建模技术的优缺点，并提出了新模型以提高新药发现效率。研究还分类了全新药物设计的主题，强调了人工智能在药物设计中的未来方向和挑战。

本文介绍了将因果性理论融入深度生成建模的方法，提高深度生成模型的分布偏移鲁棒性、公平性和互操作性。文章分为因果表示学习和可控反事实生成方法两类，探讨了因果生成模型在公平性、隐私、超出分布泛化和精准医学方面的理论、形式化、缺点、数据集、度量和应用，并讨论了未来研究方向。