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

VAE分子生成从入门到实战

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
VAE分子生成概述
什么是分子生成 · VAE在分子设计中的角色 · 课程整体路线图
VAE分子生成概述
02
分子表示基础
SMILES字符串 · 分子图 · 指纹（Morgan Fingerpr…
分子表示基础SMILES
03
Python环境配置
Anaconda安装 · PyTorch/TensorFlow… · RDKit与Open Babel安装…
Python环境配置
04
RDKit快速上手
分子读写 · 分子可视化 · 子结构匹配
RDKit快速上手
05
统计学习基础回顾
概率分布 · KL散度 · 变分下界（ELBO）的直观理解
统计学习基础回顾概率分布
06
自编码器（AE）入门
编码器-解码器结构 · 重建损失 · 潜在空间的意义
AE自编码器
07
从AE到VAE
为什么不直接使用AE？变分推断的核心… · 重参数化技巧
AEVAE
08
VAE的数学推导
ELBO的完整推导 · 先验与后验 · 正态分布假设
VAE的数学推导
09
VAE的PyTorch实现
搭建简单VAE（MNIST） · 训练与可视化潜在空间
VAEPyTorch
10
分子序列化（SMILES）的VAE
字符级编码 · 循环神经网络（RNN）作为编码器/解…
SMILESVAE
11
SMILES VAE的搭建
用PyTorch实现RNN-VAE · 处理变长序列
SMILESVAE
12
SMILES VAE训练技巧
教师强制（Teacher Forci… · 梯度裁剪 · 学习率调度
SMILESVAE
13
分子生成与采样
从先验采样 · 潜在空间插值 · 约束生成
分子生成采样
14
分子有效性验证
RDKit检查SMILES合法性 · 标准分子清洗 · 去除无效结构
分子有效性验证RDKit
15
分子性质预测器集成
使用QED · logP · 合成可及性（SA）作为奖励信号
分子性质预测器集…QED
16
属性条件VAE（β-VAE）
调节潜在变量权重 · 控制生成分子的性质偏向
VAE属性条件
17
基于图的VAE（GraphVAE）
图神经网络（GNN）编码器 · 邻接矩阵与节点特征重建
VAEGraphVAE
18
PyTorch Geometric入门
安装 · 创建分子图数据 · 消息传递层
PyTorchGeometric
19
实现GraphVAE
图卷积编码 · 解码器设计（生成邻接矩阵与节点类型）
GraphVAE实现
20
序列模型 vs 图模型的对比
优缺点 · 适用场景 · 我的实际选型经验
vs序列模型
21
训练过程监控
损失曲线 · KL散度变化 · 重建准确率
训练过程监控损失曲线
22
常用评估指标
Validity · Uniqueness · Novelty
常用评估指标Validity
23
使用OpenMM进行力场验证
生成分子后的结构优化 · 能量计算
OpenMM使用
24
分子数据库与基线
ZINC · ChEMBL · MOSES数据集介绍
分子数据库基线
25
实战项目1
从头训练SMILES VAE生成类药…
实战项目1SMILES
26
实战项目2
优化生成分子的QED≥0.5 · 结合贝叶斯优化选择潜在向量
实战项目2QED
27
VAE变体介绍
Joint VAE · Conditional VAE · Adversarial Autoen…
VAE变体介绍
28
超参数调优
潜在维度 · 隐藏层大小 · β值
超参数调优维度
29
常见问题与排查
KL崩塌 · SMILES无效爆炸 · 欠拟合与过拟合的处理
常见问题排查
30
总结与展望
VAE在分子生成中的局限性 · 扩散模型与强化学习的未来趋势
VAE分子生成