化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
这篇 Nature Computational Science 论文把 LLM 直接改造为面向化学空间探索的生成和搜索工具。它的重点不是普通 QSAR 预测，而是让模型参与 directed chemical space exploration。
SmileyLlama 的价值在于把语言模型的序列生成能力接到分子表示和化学目标上，形成更主动的探索机制。这类方法对分子设计、候选生成和多目标优化有明显外溢。
它值得正式收录，因为本库对 AI chemistry 的门槛是 AI 要改变发现工作流，而不是只提高一个预测器分数。SmileyLlama 属于把 LLM 作为化学空间导航器使用。
它没有更高，是因为 directed exploration 的真实湿实验闭环、跨化学任务泛化和失败模式仍需要进一步验证。