（1）背景
新药的研发既需要较长的时间，也需要较高的成本。于研究人员来说，在合理的时间内 从大量可合成化合物中 找到最有希望的 候选化合物 仍然是一个挑战。因此可以借助AI分子生成模型。
（2）目的
作者回顾了一些AI分子生成模型，并讨论每种模型的优缺点。同时，作者描述了如何将强化学习（RL）算法应用于生成式人工智能，以便在 更好地利用分布式硬件 的同时 获得更真实的效果。

图为RNN分子生成模型的工作流：
①将分子转化为SMILES串；
②使用one-hot coding和embedding来处理字符串，把它们拼接起来；
③然后将它们输入到RNN模型中，得到SMILES串；（可理解为：RNN来预测要生成的下一个原子或者化学键是啥）
④最后将SMILES串变回分子。
在以上过程中学习模型参数，对某一部分进行改变即可得到新分子。
在此模型中，分子被视为序列串，生成分子的任务被转换为生成特殊序列。由于输入和输出都是序列，此类相关序列模型被称为“seq2seq”。

① SMILES串非唯一表示，相同的分子结构可以转换成许多SMILES串，如工作流图左下部分；

② seq2seq模型通常关注序列的顺序，因此对一些RNN分子生成模型，它们可能只学习SMILES语法规则，而不是分子结构的知识。

③SMILES串的目的是将分子结构压缩成一维字符串，而不是捕捉分子的相似性，因此具有相似化学结构的分子可以被编码成非常不同的SMILES字符串，如下图。

在这个图中，两个分子的化学结构是比较类似的，但它们被编码成的SMILES串完全不同，因此无法表示它们的化学多样性

基于变分自动编码器的模型，图为VAE的总体结构。
总体来看，
①编码器接收分子并在隐空间中 产生概率分布
②而解码器则在隐空间中获取点并返回生成的分子。
对于一个分子来说，
①在Encoder部分进行降维，得到分子的主要成分；编码器会在隐空间中产生概率分布，这个分布是与隐空间 维数相同 的 高斯分布，编码器产生这些高斯分布的参数（均值μ，方差σ）
②用重参数技巧 来训练VAE：从(0,I)标准正态分布 中采样，然后和 训练样本 训练得到的μ和σ，做μ + σ* N(0,I)，运算的结果z输入到解码器网络（点乘符号表示每个元素位置上的相乘）
③最后Decoder产生一个分子
而CVAE就是通过控制某个变量实现生成 某一类图像。在训练的时候，标签信息也提供给编码器和解码器了，也就是将 标签信息与从标准正态分布中采样的隐空间中的 随机点 一起送入解码器即可。

基于生成式对抗网络的模型，图为GAN的总体结构：
① 对于一个任意分布q(x)，取样输入到生成网络中，生成器生成一个分子
② 生成的分子被输入到鉴别器中，鉴别器判断它与真实分子之间的差异
③ 鉴别网络分别考虑他们真假的可能性
在整个过程中，GAN主要由生成网络与鉴别网络两个部分：
①生成网络负G责生成新的数据实例来欺骗鉴别网络D
②鉴别网络D负责把真的和生成的实例鉴别出来； 因此，G和D构成了一个相互博弈的过程。
最理想的结果是：G可以生成以假乱真的实例；D难以判断实例是真的还是假的，即D(G(z)) = 0.5。这样就得到了一个分子生成模型G。

②缺点：
A. GAN通常难以训练，需要仔细调整超参数；
B. 可能会产生模式崩溃的问题；
C. 训练过程比较缓慢，而且不可预测。

模型的参数通常是模型自己训练得到的，如神经网络的权重和逻辑回归中的系数；
超参数一般是训练过程中手动设置的，如learning rate。

对抗式自动编码器AAE，主要有两部分组成，上半部分是自编码部分(AE)，下半部分是个GAN。AAE可以看作是AE与GAN的结合体。
①上半部分自编码器，将训练集X 通过 自编码器A E对其编码，生成一个潜在向量Z用于下一步的插值（这里假设 该变量 满足 概率分布q(z)），然后解码器会尝试对这个潜在向量Z进行解码，生成我们想要的分子。
②下半部分GAN，AE的Encoder部分相当于GAN的生成器，生成负样本；而p(z)是我们的目标分布，是正样本。
判别器D通过不断学习，预测输入的z来自于负样本（服从q(z)概率分布）还是正样本（服从预定义的p(z)概率分布）；
如果传入具有所需分布（真实值）的随机输入，则鉴别器应该输出1；如果传入编码器输出时，鉴别器应该输出0。
GAN的作用就是让 编码器得到的向量 服从人为设定的分布p。

①基本思想：通过Agent与环境的不断交互，通过一些奖赏机制来使Agent逐渐学习出一条最优的决策。
②模型的基本架构：

智能体agent通过 一套策略 将一个动作action作用到环境environment，环境将状态值state和奖励值reward反馈给agent，同时环境会移到下一个状态。
如此不断循环，最终找到一个最优策略，使agent可以获得更多的来自环境的奖励。

方法：
①训练一个简单的基于RNN的生成模型；
②将预训练的RNN模型作为environment(prior)，并复制一份作为agent(target)；
③将logP、QED等指标作为reward function
缺点：
①environment(prior)与agent(target)相同，需要prior network是高质量的，否则模型可能失效。
②由于prior network是基于RNN的模型，因此具有之前提到的RNN模型的所有缺点。
③训练过程复杂，难以生成100%有效的SMILES串

如果prior network无法生成感兴趣的分子，那么agent也可能失败

创新点：
①用马尔科夫决策过程MDP生成SMILES串
②由全连接网络（FCN）组成的预测模型作为reward function

缺点：
与REINVENT一样，训练过程复杂，难以生成100%有效的SMILES串

Markov Property马尔科夫性质：当前状态决定未来 即 P(St+1 | St,St-1,St-2…) = P(St+1 | St)
MP（Markov process马尔科夫过程）：具有马尔科夫性质的随机过程
MDP（Markov decision process马尔科夫决策过程）：具有一步动态性，即在考虑下一个时间 t+1 的 state 和 reward 时，只考虑当前时间 t 的 state 和 action 的影响
预测模型是经过预训练的，ReLeaSE的性能主要取决于预测网络和生成网络

创新点：
①通过直接定义原子 或 添加、删除化学键 对分子进行操作，从而保证生成的分子具有100%的化学有效性；
②不需要在训练集上进行训练即可运行，避免了选择数据集时 出现偏差的可能。

缺点：
①效率低，因为对分子的操作只有添加原子、添加化学键、删除化学键这三种；
②尽管所有生成的分子都具有化学意义，但它们可能太难合成，而且药物性质较差。

不需要训练集，只需要先验知识（如原子价态）

基于片段的药物设计（ADQN-FBDD）的深度Q学习网络
模型解读：
①在这个模型中，agent将t时刻的state和action传给environment；environment产生t+1时刻的state和reward传给agent，同时environment会转移到下一个状态。如此不断循环，直到找到一个最优的策略。
②模型中间，是DQN 算法的一部分， Experience Replay Store经验回放存储，将 系统探索环境 得到的 数据 储存起来，然后随机采样 样本，更新深度神经网络的参数。

创新点：
①通过添加碎片来创建分子
②生成的分子更像药物，因为分子是使用 化学反应的规则 和 结合位点的 3D信息 创建的。因此，ADQN-FBDD模型 可以有效地探索特定目标的化学空间。

在reward function的指导下，agent择有利片段添加到当前状态的正确位置

文章讲述了人工智能分子生成模型的发展现状：
（1）简单的RNN是适度有效的分子生成模型；
（2）VAE、GAN、AAE遵循变分推理的方法；
（3）基于强化学习的模型可以执行分布式计算，减少了训练时间，但模型容易受到分子表示质量的影响。