🚀 Chemlactica-125m

Chemlactica-125m 是一个针对有机分子进行持续预训练的 galactica-125m 模型。它在 来自 PubChem 的涵盖 1.1 亿多个分子的 400 亿个标记 以及它们的化学性质（分子量、合成可及性得分、类药性等）和相似度（ECFP 指纹之间的 Tanimoto 距离）上进行了预训练。

🚀 快速开始

示例提示

以下是一些使用模型的示例提示：

# 尝试预测给定分子的合成可及性得分
</s>[START_SMILES]CC(=O)OC1=CC=CC=C1C(=O)O[END_SMILES][SAS]

# 尝试生成一个合成可及性得分为 2.25 且与给定分子相似度得分为 0.62 的分子
</s>[SAS]2.25[/SAS][SIMILAR]0.62 CC(=O)OC1=CC=CC=C1C(=O)O[/SIMILAR][START_SMILES]

该模型可以包装到一个优化循环中，通过不断演变的提示来遍历化学空间。请参阅 GitHub 上的代码。

一篇预印本论文详细介绍了该模型以及基于此模型构建的优化算法，该算法在实际分子优化和其他基准测试中达到了最先进水平，可在 arxiv 上获取。

📚 详细文档

注意事项

• 所有查询都应以 </s> 符号开头。
• 所有数字都四舍五入到小数点后两位。
• 所有 SMILES 都使用 rdkit 进行规范化。
• 可用标签：[CLOGP]、[WEIGHT]、[QED]、[SAS]、[TPSA]、[RINGCOUNT]、[SIMILAR] 等。

模型家族

该模型是 3 模型家族的一部分：Chemlactica-125M、Chemlactica-1.3B 和 Chemma-2B。

我们期待社区在新的应用和场景中使用该模型。

📄 许可证

本项目采用 CC BY-NC 4.0 许可证。