片段距离建模提升发色团光学性质预测，TDiMS 优于大模型从头学习
bravo_abad · x · 2026-09-18
Hamada 等人提出 TDiMS 方法用于分子光学性质预测：与其让大型预训练模型从头发现长程关系，不如显式表示分子片段对在分子图上相隔多远。
- 核心洞察：两个分子可含相似化学基团但行为迥异，因为基团在结构中的位置不同；发色团的光学性质正取决于功能基团的相对排布。
- 在预测 Stokes shift（分子吸收光与发射光的差值）任务上，这种基于距离的简单表示击败了次优描述方法。
- 结论：在关系结构本身很重要的化学任务上，显式的结构归纳偏置比纯预训练表征更有效。
AI for Science 方向的实证研究案例。
「研究」频道最新
- 斯坦福新研究:大脑其实是两个独立器官拼接协作而成 — Dr_Singularity · 2026-09-19
- TMLR 因审稿力不足收紧拒稿,学者讽消融章节即 p-hacking 配方 — p_nawrot · 2026-09-19
- Apple 团队提出 Probe Guidance，无需额外前向即可引导扩散语言模型 — itsbautistam · 2026-09-19
- Science 新论文:节点异质性带来的无序可让复杂网络更稳定 — wgilpin0 · 2026-09-19
- Token 叠加训练：10B MoE 模型省 2.5 倍算力达同等损失 — gordic_aleksa · 2026-09-19
- 波士顿首届 AI×药物化学黑客松收官,参赛化合物已进入合成验证阶段 — generativist · 2026-09-19