arXiv cs.AI· Tianyou Bai, Huan Wang, Mingchen Gao, Tongrui Yang, Fangyue Lin, Pinze Ren, Zhenlin Zhao, Siming Dong·· 10 小时前AI 评分29
Chem World：面向可信分子性质预测的大规模基准与物理感知框架
Chem World: A Large-Scale Benchmark and Physics-Aware Framework for Trustworthy Molecular Property Prediction
AI 导读
Chem World 是一个整合 17 个公开数据集、超 80 万个分子与化学系统实例、覆盖 10 个性质赛道的大规模基准，涵盖单分子与多组分系统（含药物溶解度）。基于该基准提出的 PACM（物理感知组合建模）将分子表示与组合感知建模及领域物理约束结合，在多种化学系统上持续提升预测表现。实验显示分子语言模型可提供强且可迁移的表示，配套的 PACM 驱动药物性质预测 Agent 已可用。
正文 · AI 翻译
摘要：分子性质预测是计算化学和药物制剂研究的基础，然而现有基准在数据集、性质和评估协议上仍然分散，限制了对模型泛化能力的系统评估。我们推出 Chem World，这是一个大规模基准，整合了 17 个公开数据集，涵盖 10 个性质轨道、超过 800,000 个分子和化学系统实例，覆盖单分子和多组分系统，包括药物溶解度。Chem World 为评估分子表示和跨多种化学性质的组成建模提供了统一的测试平台。基于该基准，我们提出 PACM（物理感知组成建模），它将分子表示与组成感知建模和领域特定的物理约束相结合。大量实验表明，分子语言模型提供了强大且可迁移的表示，而 PACM 在多种化学系统中持续提升预测性能。Chem World 和我们由 PACM 驱动的药物性质预测 Agent 支持可泛化的化学建模，并为 AI 辅助的生物医学研究和药物制剂开发奠定了基础。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.13945 [cs.LG] |
| （或 arXiv:2611.13945v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13945 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Tianyou Bai [查看电子邮件]
[v1]
2026年11月10日星期二 11:30:39 UTC（1,549 KB）
来源：arXiv cs.AI · arxiv.org