Key points are not available for this paper at this time.
Die molekulare Entdeckung hat in verschiedenen wissenschaftlichen Bereichen erhebliche Aufmerksamkeit erhalten, da sie die Schaffung neuer chemischer Verbindungen ermöglicht. In den letzten Jahren haben die meisten Studien diesen Prozess als ein Problem der Multi-Objekt-Optimierung betrachtet. Trotz bemerkenswerter Fortschritte optimieren die meisten Methoden nur bis zu vier molekularen Zielen und sind hauptsächlich für Szenarien mit einer festgelegten Anzahl von Zielen konzipiert. In der realen Anwendung kann die Anzahl der molekularen Ziele jedoch mehr als vier betragen (viele Ziele) und zusätzliche Ziele können im Laufe der Zeit eingeführt werden (dynamische Ziele). Um diese Lücke zu schließen, schlagen wir DyMol vor, die erste Methode, die entwickelt wurde, um das dynamische Viele-Ziel-Molekülorientierungsproblem anzugehen, indem ein neuartiger Divide-and-Conquer-Ansatz mit einer Zerfallstrategie kombiniert wird. Außerdem integrieren wir umfassend Konvergenz, Pareto-Diversität und strukturelle Diversität in den Optimierungsprozess, um eine effiziente Erkundung des Suchraums zu ermöglichen. Wir validieren die überlegene Leistung unserer Methode mithilfe des praktischen Benchmarks zur molekularen Optimierung (PMO). Der Quellcode und das ergänzende Material sind online verfügbar.
Shin et al. (Freitag) untersuchten diese Frage.