生成式化学

生成式化学利用人工智能来构想出具有你所要求性质的新分子，而不是去评价别人画出的分子。如果说预测模型是给现有分子打分的评论家，那么生成模型就是写出新分子的作者，它会提出符合目标特征的结构。

这类模型在大量已知分子的集合上训练，直到它们内化了有效的、类药化学的规律。随后便可朝着目标加以引导，例如生成预测能结合某给定靶点、同时保持可溶且可合成的结构。相关技术包括把分子写成文本的语言式模型、基于图的生成器，以及与强化学习或优化相结合、对理想预测性质给予奖励的方法。

其魅力在于能探索远超任何现有目录的化学空间，但适用于从头设计的那些告诫在此同样适用，而且更为强烈。生成出的分子可能难以合成，可能钻引导它们的打分模型的空子，看似新颖却并不更优。生成式化学最可信的时刻，是当它的提议经过可合成性筛选、并通过实际制备和测试真实分子来验证之时，而非仅凭预测。