/ Модель

Характеристики

Контекст
202 токена
Параметры
51,4 млн
Лицензия
Apache 2.0
Архитектура
molformer · dense
Библиотека
transformers
Опубликована
30 апр 2025

GP-MoLFormer-Uniq

Генерация текстаТекст → текст3 профессии

Авторегрессионная модель на строках SMILES для генерации новых молекул и дополнения заданных молекулярных каркасов.

1 031скачиваний за 30 дней6лайковвеса обновлены1 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GP-MoLFormer-Uniq — авторегрессионная языковая модель для генерации молекул, разработанная исследователями Ross и соавторами и опубликованная вместе с работой GP-MoLFormer: A Foundation Model For Molecular Generation. Модель использует декодерную архитектуру Transformer с линейным вниманием и rotary position embeddings, аналогичную MoLFormer-XL, и содержит 51,4 млн параметров. Она обучена на уникальных молекулах из ZINC и PubChem, представленных строками SMILES; при обучении удалялась стереохимическая информация, а строки длиннее 202 токенов исключались.

Модель предназначена для безусловной генерации новых молекул, завершения и декорирования заданного молекулярного каркаса по частичной строке SMILES, а также может дообучаться для изменения распределения генерируемых молекул или оптимизации свойств. Лицензия — Apache-2.0. Модель не проверялась для классификации и молекул размером более примерно 200 атомов; некорректные или неканонические SMILES могут ухудшать результат.

Сценарии применения

  • безусловная генерация новых молекул
  • генерация молекул по заданному SMILES-каркасу
  • декорирование молекулярного каркаса
  • создание кандидатов для поиска лекарственных соединений
  • дообучение генерации под нужное распределение молекулярных свойств
  • оптимизация молекулярных свойств методом pair-tuning

Ограничения

Модель не оценивалась для задач классификации и молекул крупнее примерно 200 атомов. Некорректные или неканонические строки SMILES могут ухудшить качество генерации; стереохимическая информация не сохранялась при обучении.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GP-MoLFormer-Uniq

GP-MoLFormer is a class of models pretrained on SMILES string representations of 0.65-1.1B molecules from ZINC and PubChem. This repository is for the model pretrained on all the unique molecules from both datasets.

It was introduced in the paper GP-MoLFormer: A Foundation Model For Molecular Generation by Ross et al. and released in this repository.

Model Details

Model Description

GP-MoLFormer is a large-scale autoregressive chemical language model intended for molecule generation tasks. GP-MoLFormer employs the same architecture as MoLFormer-XL, including linear attention and rotary position embeddings, but uses decoder-only Transformer blocks trained with a causal language modeling objective. It is trained on up to 1.1B molecules in SMILES representation.

GP-MoLFormer was evaluated on de novo generation (at scale), scaffold-constrained decoration, and molecular property optimization tasks.

Intended use and limitations

The pretrained model may be used out-of-the-box for unconditional, de novo molecule generation. It can also be prompted with a partial SMILES string to do scaffold completion/decoration. We also demonstrate it can be fine-tuned on a particular dataset to change the output distribution (e.g., more druglike) or tuned for molecular optimization using pair-tuning. For details, see the paper and GitHub repository.

This model is not tested for classification performance. It is also not tested for molecules larger than ~200 atoms (i.e., macromolecules). Furthermore, using invalid or noncanonical SMILES may result in worse performance.

Example code

Use the code below to get started with the model.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("ibm-research/GP-MoLFormer-Uniq", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("ibm-research/MoLFormer-XL-both-10pct", trust_remote_code=True)

outputs = model.generate(do_sample=True, top_k=None, max_length=202, num_return_sequences=3)
tokenizer.batch_decode(outputs, skip_special_tokens=True)

Training Details

Data

We trained GP-MoLFormer on a combination of molecules from the ZINC15 and PubChem datasets. This repository contains the version trained on all unique molecules from both datasets.

Molecules were canonicalized with RDKit prior to training and isomeric information was removed. Also, molecules longer than 202 tokens were dropped.

Hardware

  • 16 x NVIDIA A100 80GB GPUs

Evaluation

We evaluated GP-MoLFormer on various generation metrics. The tables below show the performance of GP-MoLFormer-Uniq compared to baseline models:

Val↑Uniq@10k↑Nov↑Frag↑Scaf↑SNN↑IntDiv↑FCD↓
CharRNN0.9750.9990.8420.99980.92420.60150.85620.0732
VAE0.9770.9980.6950.99840.93860.62570.85580.0990
JT-VAE1.0001.0000.9140.99650.89640.54770.85510.3954
LIMO1.0000.9761.0000.69890.00790.24640.903926.78
MolGen-7B1.0001.0000.9340.99990.65380.51380.86170.0435
GP-MoLFormer-Uniq1.0000.9770.3900.99980.73830.50450.86550.0591

We report all metrics using the typical MOSES definitions on each model's respective test set. Note: novelty is with respect to each model's respective training set.

Citation

@misc{ross2025gpmolformerfoundationmodelmolecular,
      title={GP-MoLFormer: A Foundation Model For Molecular Generation}, 
      author={Jerret Ross and Brian Belgodere and Samuel C. Hoffman and Vijil Chenthamarakshan and Jiri Navratil and Youssef Mroueh and Payel Das},
      year={2025},
      eprint={2405.04912},
      archivePrefix={arXiv},
      primaryClass={q-bio.BM},
      url={https://arxiv.org/abs/2405.04912}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MolformerForCausalLM
Ревизия весов
6eca879

0 моделей