生成的分子幾乎 100% 有效，用于逆向分子設(shè)計(jì)的引導(dǎo)擴(kuò)散模型

作者：機(jī)器之心 2023-10-28 13:31:08

以色列理工學(xué)院（Technion-Israel Institute of Technology）和意大利威尼斯大學(xué)（University Ca’ Foscari of Venice）的研究團(tuán)隊(duì)，提出一種用于逆向分子設(shè)計(jì)的引導(dǎo)擴(kuò)散模型：GaUDI，它結(jié)合了用于屬性預(yù)測(cè)的等變圖神經(jīng)網(wǎng)絡(luò)和生成擴(kuò)散模型。

「從頭分子設(shè)計(jì)」是材料科學(xué)的「圣杯」。生成深度學(xué)習(xí)的引入極大地推進(jìn)了這一方向，但分子發(fā)現(xiàn)仍然具有挑戰(zhàn)性，而且往往效率低下。

研究人員通過將單目標(biāo)和多目標(biāo)任務(wù)應(yīng)用于生成的 475,000 個(gè)多環(huán)芳香族系統(tǒng)數(shù)據(jù)集，證明了 GaUDI 在設(shè)計(jì)有機(jī)電子應(yīng)用分子方面的有效性。GaUDI 展示了改進(jìn)的條件設(shè)計(jì)，生成具有最佳特性的分子，甚至超越原始分布，提出了比數(shù)據(jù)集中的分子更好的分子。除了逐點(diǎn)目標(biāo)之外，GaUDI 還可以引導(dǎo)至開放式目標(biāo)（例如最小值或最大值），并且在所有情況下，生成的分子的有效性都接近 100%。

該研究以「Guided diffusion for inverse molecular design」為題，于 2023 年 10 月 5 日發(fā)布在《Nature Computational Science》上。

分子設(shè)計(jì)已有方法及其挑戰(zhàn)

新技術(shù)的發(fā)展往往取決于獲取新功能分子的能力。然而，分子發(fā)現(xiàn)對(duì)于化學(xué)家和材料科學(xué)家來(lái)說仍然是一個(gè)開放的挑戰(zhàn)，因?yàn)楹茈y準(zhǔn)確地模擬分子和材料的性質(zhì)。這通常會(huì)因滿足多種需求而加劇，這些需求有時(shí)可能是矛盾的，甚至是相互排斥的，例如，需要催化劑既穩(wěn)定又活躍。因此，關(guān)鍵是找到多種分子特性之間的最佳權(quán)衡，以便給定的分子可以提供所需的功能。

找到這個(gè)最佳點(diǎn)，首先需要確定分子結(jié)構(gòu)與其各種特性之間的關(guān)系。為此，傳統(tǒng)的分子設(shè)計(jì)方法依賴于手動(dòng)構(gòu)建的啟發(fā)式方法和化學(xué)直覺。除了緩慢和艱巨之外，這些通常僅限于在較小的化學(xué)空間內(nèi)相關(guān)的相對(duì)簡(jiǎn)單的結(jié)構(gòu)-性質(zhì)關(guān)系。

近年來(lái)，生成模型將這一化學(xué)挑戰(zhàn)表述為逆向設(shè)計(jì)問題，已作為替代方法被引入，并已成為識(shí)別各種應(yīng)用的新候選結(jié)構(gòu)的日益強(qiáng)大的工具。

擴(kuò)散模型已成為許多生成任務(wù)的主要方法，例如圖像、視頻和文本生成。擴(kuò)散模型在化學(xué)領(lǐng)域也顯示出了巨大的前景。然而，擴(kuò)散模型的全部功能尚未得到充分利用，因?yàn)檫@仍然是一個(gè)探索最少的領(lǐng)域。此外，現(xiàn)有的也執(zhí)行條件生成的擴(kuò)散模型使用所謂的標(biāo)準(zhǔn)方法，這很難學(xué)習(xí)條件分布。它們還僅限于逐點(diǎn)目標(biāo)，必須重新訓(xùn)練以添加新屬性，并且無(wú)法在不同數(shù)據(jù)集上訓(xùn)練生成器和預(yù)測(cè)器。引導(dǎo)擴(kuò)散模型從條件分布中采樣的能力尚未在化學(xué)環(huán)境中得到充分測(cè)試。

GaUDI 用于生成設(shè)計(jì)具有目標(biāo)特性的分子

在此，研究人員通過設(shè)計(jì)和實(shí)現(xiàn)引導(dǎo)擴(kuò)散模型 GaUDI 來(lái)彌補(bǔ)這一差距，用于生成設(shè)計(jì)具有目標(biāo)特性的分子。

研究人員使用兩個(gè)預(yù)訓(xùn)練模型來(lái)設(shè)計(jì)分子：第一個(gè)是經(jīng)過訓(xùn)練的生成擴(kuò)散模型，用于根據(jù)給定的數(shù)據(jù)分布生成無(wú)條件樣本，第二個(gè)是經(jīng)過訓(xùn)練的預(yù)測(cè)模型，用于預(yù)測(cè)分子特性。

與標(biāo)準(zhǔn)擴(kuò)散采樣一樣，擴(kuò)散模型從一些易于處理的噪聲源中采樣，然后迭代地對(duì)信號(hào)進(jìn)行去噪；然而，與標(biāo)準(zhǔn)無(wú)條件模型相比，在 GaUDI 中，生成模型的中間輸出被饋送到預(yù)測(cè)模型，該模型預(yù)測(cè)一組預(yù)定義的屬性。然后，通過在每次迭代中添加校正項(xiàng)，使用這些屬性的目標(biāo)函數(shù)的梯度來(lái)指導(dǎo)采樣過程。通過這種方式，擴(kuò)散生成偏向于具有低目標(biāo)函數(shù)值（即最接近目標(biāo)）的分子，這個(gè)過程相當(dāng)于從具有幾乎任意復(fù)雜條件的條件分布中采樣。

圖 1：生成流程。（來(lái)源：論文）

研究展示了 GaUDI 在多環(huán)芳香族系統(tǒng) (PAS) 用例中的性能，PAS 是由不同大小和原子組成的多個(gè)芳香環(huán)構(gòu)成的分子。多環(huán)芳香族體系占已知分子的三分之二，是有機(jī)電子學(xué)的基石，因?yàn)樗鼈儤?gòu)成了絕大多數(shù)有機(jī)半導(dǎo)體。因此，具有特定性能的新型 PAS 對(duì)于有機(jī)發(fā)光二極管、場(chǎng)效應(yīng)晶體管、光伏和其他光電子學(xué)等先進(jìn)技術(shù)至關(guān)重要。

在新生成的 475,000 PAS 數(shù)據(jù)集上進(jìn)行訓(xùn)練后，GaUDI 在單目標(biāo)生成任務(wù)和多目標(biāo)生成任務(wù)中，無(wú)論是在有效性還是在平均誤差方面都優(yōu)于其他領(lǐng)先的擴(kuò)散模型。GaUDI 提供了具有最佳特性的新型分子，甚至超出了原始數(shù)據(jù)集的分布。