VIP20
本课程属于：055-化合物生成网络训练 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

损失函数在分子生成中的实践指南

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
背景与动机
分子生成在药物发现与材料设计中的重要… · 损失函数的核心作用
背景动机
02
分子表示方法
SMILES · 图表示 · 3D坐标等
分子表示方法SMILES
03
分子生成模型概览
VAE · GAN · Flow
分子生成模型概览VAE
04
变分自编码器(VAE)基础
编码器-解码器结构 · 重构损失与KL散度
VAE变分自编码器
05
VAE损失函数详解
ELBO推导 · β-VAE中的β权衡 · 后验坍塌问题
VAE损失函数详解
06
图变分自编码器(Graph VAE)
图重构损失 · 邻接矩阵预测损失
GraphVAE
07
生成对抗网络(GAN)在分子生成中的应用
WGAN · LSGAN · 对抗损失设计
GAN生成对抗网络
08
GAN损失函数改进
梯度惩罚 · 谱归一化 · 特征匹配损失
GAN损失函数改进
09
规范化流(Normalizing Flow)
可逆变换 · 负对数似然损失
NormalizingFlow
10
连续流模型
CNF · FFJORD · 连续时间损失函数
连续流模型CNF
11
扩散模型基础
前向扩散与反向去噪 · 变分下界损失
扩散模型基础前向扩散
12
分子扩散模型损失
离散与连续扩散 · 分数匹配损失
分子扩散模型损失离散
13
等变扩散(E(3) Equivariant Diffusion)
等变性约束与损失设计
EquivariantDiffusion
14
自回归模型
SMILES序列生成 · 交叉熵损失
自回归模型SMILES
15
强化学习与分子生成
策略梯度 · 蒙特卡洛树搜索 · 奖励函数设计
强化学习分子生成
16
基于目标导向的损失
分子性质（logP · QED · SA）作为损失项
基于目标导向的损…logP
17
多目标优化损失
加权和 · 帕累托前沿 · 约束优化
多目标优化损失加权
18
最优传输损失
Sinkhorn距离 · Wasserstein距离在分子生成…
最优传输损失Sinkhorn
19
对比学习损失
SimCLR · MoCo用于分子表示学习
对比学习损失SimCLR
20
自监督损失
掩码建模 · 去噪自编码器
自监督损失掩码建模
21
物理信息损失
能量约束 · 力场匹配 · QM/MM一致性
物理信息损失能量约束
22
几何约束损失
键长 · 键角 · 二面角的约束
几何约束损失键长
23
化学有效性损失
价键规则 · 环约束 · 生成分子的有效性惩罚
化学有效性损失价键规则
24
对抗性正则化损失
域对抗训练 · 一致性正则化
对抗性正则化损失域对抗训练
25
合成可及性损失
SA Score作为可微损失函数
合成可性损失
26
损失函数的超参数调优
网格搜索 · 贝叶斯优化 · 权重调整策略
损失函数的超参数…网格搜索
27
实验评估指标
重构率 · 有效性 · 独特性
实验评估指标重构率
28
损失函数与模型训练的稳定性
梯度消失/爆炸 · 损失震荡的解决
损失函数模型训练的稳定性
29
前沿趋势
几何深度学习损失 · 力场辅助损失 · 大模型中的损失设计
前沿趋势几何深度学习损失
30
项目实践
从零实现一个小型分子生成模型并自定义…
项目实践从零实现一个小型…