分子生成是人工智能驱动药物发现与材料设计的核心技术之一,指利用生成模型(如扩散模型、流匹配、序列模型与大语言模型)自动产生具有特定化学性质的三维或二维分子结构。该方向近期的研究热点集中在三个层面:分子结构的表示方式、生成过程的可控性,以及生成结果的有效性与可合成性。
分子生成的近期进展
当前焦点与观察点
从近期文献看,分子生成领域正从“能生成”转向“生成得对、生成得能用”。一方面,表示方式之争仍在继续:ADT 的全原子分词、SNACK 的字符串化图表示以及高阶分子语法、嵌入式图流等工作,分别代表离散分词、语法约束和图上流模型三条路线,尚无统一结论。
另一方面,评价体系正在快速补齐。LLMs 在空间约束下的分子生成能力基准 3D-Fit 首次系统测试了大语言模型在三维约束条件下的表现,而分子扩散模型的不确定性估计则回应了科学场景对可靠性的要求。后续值得关注的观察点包括:可合成性约束是否能稳定嵌入主流生成框架、3D 条件生成在真实药物设计管线中的验证效果,以及大语言模型与专用生成模型在该任务上的能力边界。