摘要
文本引导的分子生成是一项根据特定文本描述生成分子的任务。近期，大多数现有的基于SMILES（简化分子线性输入系统）的分子生成方法依赖于自回归架构。在本研究中，我们提出了一种新的方法——扩散语言模型引导的文本生成分子（TGM-DLM），该方法利用扩散模型来克服自回归方法的局限性。TGM-DLM通过两阶段的扩散生成过程，集体且迭代地更新SMILES字符串中的标记嵌入。第一阶段从随机噪声中优化嵌入，由文本描述引导；第二阶段则修正无效的SMILES字符串，形成有效的分子表示。我们证明了TGM-DLM无需额外的数据资源即可优于MolT5-Base（一种自回归模型）。我们的研究结果突显了TGM-DLM在生成具有特定属性的连贯且精确的分子方面的显著有效性，为药物发现及相关科学领域开辟了新的途径。代码将在以下地址发布：https://github.com/Deno-V/tgm-dlm。