Key points are not available for this paper at this time.
الملخص إن دمج التعلم العميق، وخاصة المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي، مع بيانات عالية الجودة مشتقة من حسابات ab initio قد برز كمسار واعد لتحويل مشهد البحث العلمي. ومع ذلك، تبقى تحديات تصميم الأدوية الجزيئية أو المواد التي تدمج معرفة متعددة الوسائط مهمة حرجة ومعقدة. يتطلب تحقيق تصميم جزيئي عملي ليس فقط تلبية متطلبات التنوع ولكن أيضًا معالجة القيود الهيكلية والمائية مع تنوع التناظرات التي حددها خبراء المجال. في هذه المقالة، نقدم نهجًا مبتكرًا لمعالجة هذه المشكلة في التصميم العكسي من خلال صياغتها كمهمة لتوليد/تحسين التوجيه متعدد الوسائط. تشمل الحلول المقترحة إطارًا متوازيًا لمحاذاة التركيب المائي للهيكل لتطبيق مهام توليد/تحسين الجزيئات، وهو ما نطلق عليه 3DToMolo. يهدف 3DToMolo إلى تنسيق الوسائط المتعددة، بحيث تتماشى بسلاسة لإنتاج هياكل جزيئية تتوافق مع القيود الهيكلية والمائية المحددة من قبل الخبراء في المجال. أظهرت التجارب التجريبية عبر ثلاثة إعدادات لتوليد التوجيه أداءً متفوقًا في توليد النتائج مقارنة بالطرق الحديثة. بالإضافة إلى ذلك، يُظهر 3DToMolo القدرة على توليد جزيئات جديدة، تتضمن هياكل فرعية مستهدفة محددة، دون الحاجة إلى معرفة مسبقة. لا تحمل هذه العمل أهمية عامة لتقدم منهجيات التعلم العميق فحسب، بل تفتح أيضًا الطريق لتحول جذري في استراتيجيات تصميم الجزيئات. 3DToMolo يخلق فرصًا لاستكشاف أكثر دقة وفعالية للمساحة الكيميائية الواسعة، مما يفتح آفاقًا جديدة في تطوير الكيانات الجزيئية بخصائص ووظائف مصممة خصيصًا.
دراسة دو وآخرون (الخميس) هذه المسألة.