许可证：apache-2.0
数据集：

• jxie/guacamol
• AdrianM0/MUV
  库名称：transformers

模型详情

我们推出了一套用于预训练和微调基于SMILES的分子语言模型的神经语言模型工具。此外，我们还提供了在半监督学习下低数据环境中微调这些语言的半监督方案。

枚举感知分子变换器

引入对比学习与多任务回归，以及掩码语言建模作为预训练目标，将枚举知识注入预训练语言模型中。

a. 分子领域适应（基于对比编码器）

i. 架构

ii. 对比学习

b. 规范化编码器-解码器（去噪编码器-解码器）

本模型的预训练步骤：

• 在Guacamol数据集上通过多任务回归预训练BERT模型，学习物理化学性质
• 在MUV数据集上使用连体BERT架构进行对比学习的领域适应

更多详情请参阅我们的GitHub仓库。

虚拟筛选基准测试（GitHub仓库）

原始版本发表于：
S. Riniker, G. Landrum, J. Cheminf., 5, 26 (2013),
DOI: 10.1186/1758-2946-5-26,
URL: http://www.jcheminf.com/content/5/1/26

扩展版本发表于：
S. Riniker, N. Fechner, G. Landrum, J. Chem. Inf. Model., 53, 2829, (2013),
DOI: 10.1021/ci400466r,
URL: http://pubs.acs.org/doi/abs/10.1021/ci400466r

模型列表

我们发布的模型如下所示。您可以使用smiles-featurizers包或HuggingFace的Transformers导入这些模型。