待验证50% 置信观点精确时间
现有LLM分子优化方法大多聚焦于单轮生成，忽略了真实药物化学优化通常是多轮迭代这一事实。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证一个常见的分子设计落地组合是「生成模型提候选 + 性质模型打分 + 逆合成模型评估可造性」的闭环。69% 相似待验证当co-folding技术跨越准确性阈值后，扩散模型将从被动筛选工具转变为主动生成理想结合特性全新分子的设计引擎66% 相似待验证GeLLM³O是一个面向多目标分子优化的先进LLM模型，其本身已具备单轮多目标优化的能力，但在多轮迭代中缺乏利用历史反馈的显式训练机制。65% 相似待验证分子生成与优化可借助图神经网络（GNN）、变分自编码器（VAE）或扩散模型等生成具有特定性质的全新分子结构62% 相似待验证分子对接程序以结合自由能估计值（单位kcal/mol）对结合姿态评分，数值越负代表预测结合越强61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1027448API
curl https://kongchang.com/api/v1/knowledge/claims/1027448MCP
get_claim(id=1027448)