VALID-Mol: a Systematic Framework for Validated LLM-Assisted Molecular Design

文章主要内容和创新点

主要内容

本文提出了VALID-Mol（VALIDated Design for MOLecules）框架，旨在解决大型语言模型（LLMs）在分子设计中生成化学结构无效或不实用的问题。该框架通过整合系统提示工程、自动化学验证和领域适配的微调LLM，将有效化学结构的生成率从3%提升至83%，并能生成具有优化性质（如目标亲和力提升高达17倍）且合成可行性强的分子。研究详细阐述了提示工程流程、验证架构和微调方法，为LLM在需领域验证的科学领域（如药物发现）提供了可复现的蓝图。

创新点

1. 系统化提示工程：将提示工程从“经验性艺术”转化为可量化的系统方法，通过迭代优化（5个版本）将有效输出率从3%提升至83%，明确了角色定义、格式约束等关键影响因素。
2. 多层面化学验证：构建包含语法验证（SMILES格式）、化学有效性验证（结构合理性）、合成路径验证（中间产物和反应步骤连贯性）的多层级验证体系，确保生成分子的科学性。
3. 领域适配微调：基于Ministral-8B模型，使用3500个化学领域样本（知识、分子修饰、合成规划）进行微调，提升了合成路径可行性（从25.8%至60.5%）。
4. 通用方法论：提出适用于“科学约束型LLM应用”的通用框架，可推广至其他需领域验证的科学领域（如材料科学、基因工程），并量化验证了可靠性提升。