MolDA：基于大语言扩散模型的分子理解与生成

大语言模型（LLM）显著推进了分子发现，但现有多模态分子架构从根本上依赖自回归（AR）主干。这种严格的从左到右归纳偏置对生成化学有效的分子并非最优，因为它难以顾及非局部的全局约束（例如环闭合），且在顺序生成过程中常会累积结构错误。为解决这些局限，我们提出MolDA（Molecular language model with masked Diffusion with mAsking），一种以离散大语言扩散模型替代传统AR主干的新型多模态框架。MolDA使用混合图编码器提取全面的结构表示，该编码器同时捕捉局部与全局拓扑，并通过Q-Former将其对齐到语言token空间。此外，我们专门针对掩码扩散从数学上重新表述了分子结构偏好优化（Molecular Structure Preference Optimization）。通过双向迭代去噪，MolDA在分子生成、描述（captioning）与性质预测上确保了全局结构连贯性、化学有效性与稳健推理。