调研进展

论文：《Deep learning for molecular design - a review of the state of the art》 2019年发表

分子表示

分子表示可以大体分为基于3D几何表示以及基于2D图表示，前者没有较好的表示方法，主要由于坐标对分子的平移、旋转和原子索引的排列不是不变的。
目前的方法都是基于2D图，最流行的就是把分子表示成SMILES，简单来说SMILES就是通过深搜把分子图转化成字符串，大多数模型处理的都是分子的SMILES表示形式。还有别的比较奇妙的办法，比如把graph表示成灰度图。tensor表示19年的综述里只提到了one-hot结合邻接矩阵这种表示（或许可以结合GNN提取的图表示进行辅助表示吗）。当然还有直接对图进行操作的。对小数据集可以用fingerprint。总之最流行的还是SMILES，以及直接对graph的操作也很promising。

模型

首先明确molecular design是一个generate的过程。作者总结了截止19年的模型采用的框架，总体来看包括RNN，VAE和GAN，其中还有RL的使用，在generator部分起到fine tune的作用或直接用pure RL来生成。
最常见的三种框架：
image.png
左上是直接利用RNN+RL，可以加入property信息的监督；左下是VAE的结构，CNN或RNN作为encoder，RNN作为decoder进行生成，在latent space部分同样可以加入property信息的监督；右边是GAN的结构，RNN作为generator，CNN作为discriminator。所有在用RNN做生成的部分都用RL进行fine tuning，奖励函数的设计是至关重要的。此外还有加入判别器的改进版VAE，AAE。

Metrics

metric方面可以参考已有的生成模型的metrics，比如inception score，目前也有针对分子进行评估的方法。