papers-for-molecular-design-using-DL
List of Molecular and Material design using Generative AI and Deep Learning
open-sourceagent-frameworks
925
Stars
+77
Stars/month
0
Releases (6m)
Overview
这是一个专门收集生成式AI和深度学习在分子设计领域应用的学术资源库。该项目系统性地整理了分子药物设计、分子构象生成、材料设计等领域的前沿研究论文，覆盖了从统一深度分子生成模型到量子深度分子生成的各个子领域。资源库按照不同的技术方法和应用场景进行分类，包括文本驱动、多目标、配体基础、药效团基础、结构基础、片段基础等多种深度分子生成方法。对于从事计算化学、药物发现、材料科学和AI应用研究的学者来说，这是一个宝贵的文献导航工具。该项目持续更新，反映了分子设计领域的最新研究进展，特别关注生成式AI技术在分子优化、药物相似性评估、化学反应预测等方面的应用。通过925个GitHub星标可以看出其在学术社区的认可度。
Pros
- + 系统性分类：按照技术方法和应用领域详细分类，便于研究者快速找到相关领域的文献
- + 覆盖全面：涵盖从基础理论到实际应用的各个层面，包括数据集、基准测试、评估指标等
- + 持续更新：项目处于活跃维护状态，能够跟踪该领域的最新研究进展
Cons
- - 仅为文献列表：不提供代码实现或工具，需要用户自行查找和实现具体算法
- - 学习门槛高：需要具备深度学习和化学/生物学背景才能充分利用这些资源
Use Cases
- • 学术研究：研究者寻找分子设计相关的最新论文和技术方法作为研究起点
- • 文献调研：进行系统性的文献综述时，作为全面的参考文献来源
- • 技术选型：开发分子生成模型时，对比不同方法的优劣和适用场景
Getting Started
1. 访问GitHub仓库，浏览主菜单了解分类结构；2. 根据研究兴趣选择相应分类（如结构基础、片段基础等）；3. 点击具体类别查看相关论文列表，选择感兴趣的文献进行深入阅读