torch-molecule

torch-molecule 是一个专为加速分子发现而设计的精密深度学习库。它提供了一个直观的 sklearn 风格接口，使得先进的机器学习技术能够广泛应用于化学和生物学应用。该工具的主要功能包括性质预测、逆向设计和表示学习，为 AI 驱动的科学研究提供了坚实的基础。

该工具特别适用于化学、计算化学、药物发现和材料科学等领域的应用。在分子表示领域，torch-molecule可用于开发和基准测试分子嵌入的 AI 模型，通过掩码节点预测等技术促进分子图上的基础自监督学习。它能处理多样的分子输入，包括将 SMILES 字符串作为序列数据处理，以及管理具有不连通组件的复杂分子图，以实现精确的表示学习。

在性质预测方面，torch-molecule 对于药物发现中预测 ADMET/毒性/PK 性质、估算分子的沸点或预测材料特性等任务非常有价值。它提供了一个框架，用于研究重参数化等高级概念，以实现稳健的化学性质预测和不确定性量化。此外，该库支持逆向设计功能，能够生成具有预定义期望性质的新型分子。这对于分子优化、先导化合物的 AI 筛选以及材料科学中的实验自动化规划等应用至关重要。该工具使研究人员能够构建、评估和部署能够预测分子相互作用并指导新物质合成的模型，从而显著加快整个科学发现过程。