GP-MoLFormer是基于ZINC和PubChem中6.5亿至11亿分子SMILES字符串表示进行预训练的化学语言模型，专注于分子生成任务。

基于分子语言SELFIES构建的大型分子生成模型，可用于从头生成分子或补全部分分子结构。

该模型使用WGAN-GP和R-GCN架构生成新型分子图结构，可加速药物发现过程。

ChemGPT是基于GPT-Neo模型的生成式分子建模工具，专注于化学领域的分子生成与研究。

ChemGPT是基于GPT-Neo架构的生成式分子建模Transformer模型，预训练数据来源于PubChem10M数据集。