编辑推荐：
在计算材料科学领域，现有材料和分子研究方法存在计算成本高、覆盖范围窄、机器学习模型泛化性差等问题。研究人员开展利用图神经网络（GNN）属性预测器生成分子的研究，结果显示该方法能有效生成目标属性分子，且多样性更好，有助于加速功能材料的设计与发现。
在材料科学和药物研发的广阔领域中，寻找具有特定性能的材料结构和化合物，就如同在浩渺星空中寻找那几颗最亮的星星，充满挑战。过去，传统的计算材料发现方法，像是依靠密度泛函理论（DFT）和分子动力学去遍历大型材料数据库，虽然在一些情况下取得了成功，但这一过程计算成本极高，而且能探索到的材料范围仅仅是所有可能材料中的一小部分，就像在广袤沙漠中只探索了一小片绿洲。
随着机器学习（ML）技术的兴起，基于 ML 的属性预测方法逐渐崭露头角。然而，这些方法也并非十全十美，它们在面对未曾见过的数据时，泛化能力较差，就像是只会在熟悉道路上行驶的汽车，一旦驶入陌生路段就迷失方向。在这样的背景下，材料和分子生成领域开始蓬勃发展，研究人员期望能探索所有可能材料的广阔空间。但现有的生成方法仍存在不足，因此，开发更高效、精准的分子生成方法迫在眉睫。
来自多伦多大学的研究人员 Félix Therrien、Edward H. Sargent 和 Oleksandr Voznyy 勇敢地迎接了这一挑战。他们开展了一项利用图神经网络（Graph Neural Networks，GNN）属性预测器作为分子生成器的研究。研究结果令人振奋，他们成功地证明了通过巧妙地约束分子表示，无需额外训练，就能将预测属性的 GNN 转变为多样化的条件生成器。这一成果就像是给材料科学和药物研发领域注入了一针强心剂，为加速功能材料的设计和发现带来了新的希望，相关研究成果发表在《Nature Communications》上。
研究人员在开展这项研究时，用到了几个关键技术方法。首先，训练 GNN 模型时，采用分子图的显式表示，包括邻接矩阵和特征矩阵。为确保邻接矩阵符合化学规则，使用了倾斜舍入函数，并通过损失函数对原子价态进行约束。其次，利用已训练的 GNN 模型，通过梯度上升优化输入的分子图，从而生成具有特定属性的分子。在验证生成分子的属性时，使用了密度泛函理论（DFT）计算16。
下面来看具体的研究结果：
- 理论基础与工作流程概述：研究人员的方法可应用于任何使用分子图的 GNN 架构。通过对邻接矩阵和特征向量的特殊构建和约束，确保优化后的输入为有效分子。邻接矩阵由权重向量构建，通过倾斜舍入函数保证其符合化学规则；特征向量则根据邻接矩阵中原子的价态来定义原子类型1。
- 能隙靶向：研究人员训练了一个简单的 GNN 代理模型，以生成具有特定最高占据分子轨道（HOMO）和最低未占据分子轨道（LUMO）能隙（μ）的分子。生成的分子经代理模型预测在目标范围内，但 DFT 计算表明其能隙分布与目标有一定差异。与 JANUS（一种基于遗传算法的方法）相比，研究人员的方法（DIDgen）在生成目标能隙分子的性能上几乎与之匹配或更优，且生成分子的多样性更好23。
- logP 靶向：为了研究分子的亲脂性，研究人员训练了专门的 GNN（CrippenNet）来靶向特定的辛醇 - 水分配系数（logP）值。实验结果显示，DIDgen 生成的分子在多样性方面优于其他方法。在使用代理模型预测 logP 时，DIDgen 的性能比其他方法高出数倍，但在成功率上不如直接使用真实经验模型的方法45。
在研究结论和讨论部分，研究人员指出，像他们这样使用学习代理的生成方法，很大程度上依赖于代理模型的性能和泛化能力。虽然基于神谕（oracle，即真实经验模型）的方法在某些情况下成功率更高，但对于许多实际应用，由于相关属性计算成本高昂，最终还是会依赖于 ML 代理模型。此外，通过他们的方法反转预测 ML 模型，可以发现模型的弱点，生成的分子还可用于获取分布外数据，对 ML 模型进行基准测试和微调。研究人员还公开了包含 1617 个生成分子的数据集，为后续研究提供了宝贵资源。总体而言，该研究为分子生成和材料设计开辟了新途径，有望推动相关领域的快速发展。
