From Words to Molecules: A Survey of Large Language Models in Chemistry

828 篇文章

已下架不支持订阅

本文调查了大型语言模型(LLM)在化学领域的应用,从分子编码方法到预训练目标,再到多样化的应用。尽管LLM在NLP领域取得成功,但在化学中的应用仍处于初级阶段,需要与化学知识、量子化学更深入整合,实施持续学习,并提高可解释性。未来的研究方向包括知识整合、持续学习和模型可解释性的改进。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《From Words to Molecules: A Survey of Large Language Models in Chemistry》的翻译。

从单词到分子:化学大语言模型综述

摘要

近年来,大型语言模型(LLM)在自然语言处理(NLP)和各种跨学科领域取得了显著的成功。然而,将LLM应用于化学是一项复杂的任务,需要专业的领域知识。本文深入探讨了将LLM整合到化学领域中所采用的微妙方法,深入探讨了这一跨学科交叉点的复杂性和创新。具体来说,我们的分析首先考察分子信息是如何通过各种表示和标记方法输入LLM的。然后,我们根据化学LLM输入数据的领域和形式将其分为三组,并讨论整合LLM输入的方法。此外,本文还探讨了适应化学LLM的预训练目标。之后,我们探索LLM在化学中的各种应用,包括它们在化学任务中应用的新范式。最后,我们确定了有前景的研究方向,包括与化学知识的进一步整合、持续学习的进步以及模型可解释性的改进,为该领域的突破性发展铺平了道路。

1 引言

2 分子编码方法

3 分类

4 方法

5 应用

6 结

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值