AI小分子药物发现的「百科全书」，康奈尔、剑桥、EPFL等研究者综述登Nature子刊

AIGC动态欢迎阅读

原标题：AI小分子药物发现的「百科全书」，康奈尔、剑桥、EPFL等研究者综述登Nature子刊
关键字：分子,模型,药物,报告,表示
文章来源：机器之心
内容字数：0字

内容摘要：

将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯作者|康奈尔大学杜沅岂
编辑 | ScienceAI
随着 AI for Science 受到越来越多的关注，人们更加关心 AI 如何解决一系列科学问题并且可以被成功借鉴到其他相近的领域。
AI 与小分子药物发现是其中一个非常有代表性和很早被探索的领域。分子发现是一个非常困难的组合优化问题（由于分子结构的离散性）并且搜索空间非常庞大与崎岖，同时验证搜索到的分子属性又十分困难，通常需要昂贵的实验，至少是至少是模拟计算、量子化学的方法来提供反馈。
随着机器学习的高速发展和得益于早期的探索（包括构建了简单可用的优化目标与效果衡量方法），大量的算法被研发，包括组合优化，搜索，采样算法（遗传算法、蒙特卡洛树搜索、强化学习、生成流模型/GFlowNet，马尔可夫链蒙特卡洛等），与连续优化算法，贝叶斯优化，基于梯度的优化等。同时现有较为完备的算法衡量基准，比较客观公平的比较方式，也为开发机器学习算法开拓了广阔的空间。
近日，康奈尔大学、剑桥大学和洛桑联邦理工学院（EPFL）的研究人员在《Nature Machin

原文链接：AI小分子药物发现的「百科全书」，康奈尔、剑桥、EPFL等研究者综述登Nature子刊