基于IUPAC命名法的分子预训练模型(IUPAC-GPT)在性质预测与分子生成中的应用研究

为解决化学分子表示语言在可读性与计算效率上的矛盾，研究人员开发了基于IUPAC命名法的预训练模型IUPAC-GPT。该模型通过冻结参数结合轻量级网络微调，在分子生成、二元分类和性质回归预测任务中展现优异性能，其语义抽象能力显著优于SMILES-based模型，为化学信息学提供了兼具人类可解释性与机器友好性的新范式。

　　

国际纯粹与应用化学联合会(IUPAC)命名法作为化学物质命名的黄金标准，本质上是一种人类友好的分子亚结构语言；而简化分子线性输入规范(SMILES)则是当前最流行的原子级计算机友好型分子表示法。研究团队创新性地构建了IUPAC-GPT这一化学语言模型，通过对比研究两种分子表示体系在生成任务和回归/分类任务中的表现差异。该模型采用Transformer架构，在预训练阶段捕获化学通用知识后，通过冻结主干网络参数并添加可训练轻量模块实现下游任务微调。实验数据表明，基于IUPAC语料预训练的模型在部分性质预测任务中超越SMILES-GPT，尤其在化学基团修饰的语义抽象和可解释性方面展现出独特优势。这项研究为化学信息学领域提供了新型分子表示范式，其兼具人类可读性与机器处理效率的特性，有望推动药物发现和材料设计等领域的发展。