[IJCAI | 论文简读] 基于Transformer的目标增强生成对抗网络生成所需分子

简读分享 | 王宇哲 编辑 | 乔剑博

论文题目

Transformer-based Objective-reinforced Generative Adversarial Network to Generate Desired Molecules

论文摘要

序列结构数据的深层生成模型在药物发现中引起了广泛关注。然而，这种模型不能从序列表示中完全提取分子的语义特征。此外，模式坍塌减少了生成分子的多样性。本文提出了一种基于transformer的目标增强生成对抗网络(TransORGAN)来生成分子。TransORGAN利用transformer架构作为生成器，并使用随机策略梯度进行强化学习，生成具有丰富语义特征的可靠的分子。鉴别器提供奖励，指导生成器的策略更新，而目标强化惩罚则鼓励生成不同的分子。使用ZINC化学数据集进行了实验，结果证明了TransORGAN能够生成多样性、创新性的分子。

论文链接

https://www.ijcai.org/proceedings/2022/0539.pdf