PairIT：低数据分子优化的自回归Transformer框架

2026年10月15日，AI×生物医药领域有新预印本发布，研究人员提出PairIT框架，聚焦低数据条件下的分子优化任务。该框架基于自回归Transformer架构，直接在SMILES序列上学习结构相似的分子对（molecule pairs），用于种子分子（seed molecule）的生成。在属性控制方面，PairIT引入prompt token机制，可指定目标属性、优化方向及变化幅度，从而支持多属性分子优化任务。此外，框架设计预留了与强化学习结合的后训练（post-training）接口，必要时可通过强化学习进一步优化生成效果。该工作以预印本形式发布，针对低数据场景下的分子生成与优化难题，提出通过结构相似分子对学习来实现种子分子生成的思路，并支持多属性调控与可选的强化学习后训练。

由模型根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。