待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

药学人AI学习路线：五大黄金赛道与零基础入门指南

涉及实体

GNNconcept VAEconcept 扩散模型concept

相关事实

待验证从头设计的蛋白质设计管线是先用扩散模型生成骨架,再用GNN设计序列72% 相似待验证贝叶斯定理在朴素贝叶斯分类器、贝叶斯神经网络、变分自编码器（VAE）和扩散模型中都有直接应用67% 相似待验证E(3)-等变图神经网络已在蛋白质结构预测和分子性质预测中展现出显著优势66% 相似待验证GNoME基于图神经网络（GNN），通过学习Materials Project等密度泛函理论（DFT）数据库中已知晶体结构稳定性规律进行预测66% 相似待验证研究人员利用图神经网络GNN学习增殖包层中子学仿真，可对任意几何参数组合的TBR值实现亚秒级预测，预测误差控制在1%以内64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/914909

API

curl https://kongchang.com/api/v1/knowledge/claims/914909

MCP

get_claim(id=914909)