AI驱动分子设计

重庆大学214 AI驱动分子设计，具体有：从头设计的元启发式、有梯度的深度学习方法、基于工艺过程的分子优化，欢迎查看。

AI驱动分子设计

• 从头设计的元启发式
  • 基于原子
    • 基于图的遗传算法（GB-GA）
    • 基于粒子群算法优化分子(MSO)
    • 基于群体的分子优化（ChemGE）
  • 基于片段
    • 逆向合成断开+进化算法（MOARF）
    • 化学上合理结构突变（CReM）
  • 基于反应
    • 基于迭代应用虚拟反应（SYNOPSIS）
    • 基于遗传算法和反应库（AutoGrow4）
• 有梯度的深度学习方法
  • 基于原子
    • 序列的深度学习架构（RNNs）
    • 生成模型+强化学习（RL）
    • 基于生成图（GraphVAE，MolGAN）
    • 基于文本生成预训练（MolGPT）
  • 基于片段
    • 基于还原图和SMILES相互转化（Seq2Seq）
    • 基于结点树展开分子结构（JTVAE）
    • 基于结构相似性约束（DeepFMPO）
  • 基于反应
    • 随机选择的反应物和条件来随机生成候选结构（ChemBO）
    • 基于马尔科夫决策过程的正向合成（MDP）
• 基于工艺过程的分子优化
  • 基于过程模拟的分子筛选
  • 基于工艺过程的代理模型+基团贡献法分子优化