大语言模型 在生成分子方面有多有创意？

分子生成需要满足多种化学和生物约束，同时搜索大型结构化化学空间。这使得它成为一个非二元问题，其中有效的模型必须在约束下识别非明显的解决方案，同时保持探索以通过逃避局部最优来提高成功率。从这个角度来看，创造力是分子生成的功能要求，而不是美学概念。 大语言模型（LLM）可以直接根据自然语言提示生成分子表示，但目前尚不清楚它们在这种情况下表现出什么类型的创造力以及应该如何评估它。在这项工作中，我们通过对物理化学、ADMET 和生物活性任务的系统实证评估，研究了 LLM 在分子生成中的创造性行为。我们沿着两个互补的维度来描述创造力，即聚合创造力和发散创造力，并分析不同因素如何塑造这些行为。我们的结果表明，LLM 在分子生成中表现出独特的创造性行为模式，例如在施加额外约束时约束满意度的增加。总的来说，我们的工作首次将分子生成所需的能力重新定义为创造力，提供了对基于 LLM 的分子生成中创造力的系统理解，并阐明了 LLM 在分子发现管道中的适当使用。