第8章 AI 编目员：深度学习与分子生成

第 8 章 · AI 编目员：深度学习与分子生成

章节摘要：前面各章铺垫的所有手艺，在本章被深度学习重写一遍：表征学习让模型自己长出特征，不再手工挑选描述符；生成式模型从"从库里捞"进化到"按需求造"；预训练大模型把海量无标签分子变成可迁移的先验知识。本章讲清三条技术路线的机制、可运行的最小示例与诚实的评估纪律——尤其要记住：第6章的验证与适用域纪律，对深度模型一条不少，甚至更严。

学习目标

读完本章，你应当能够：

1. 解释消息传递神经网络如何把邻居信息聚合进原子表示，说出"读出"步骤的作用；
2. 用图神经网络框架搭一个分子性质分类的最小模型，并正确使用骨架划分评估；
3. 对照指纹基线评估图模型，判断复杂度提升是否换来真实收益；
4. 陈述生成式模型的评估阶梯（有效、唯一、新颖、可合成、性质达标），并跑通全流程检查；
5. 区分化学预训练模型与通用语言模型的能力边界，警惕结构幻觉；
6. 说明预训练加微调范式在少标签项目里的价值与陷阱。

核心概念速览

深度模型换掉的是特征工程与人工规则，换不掉的是数据质量与验证纪律。

三条路线各管一段。表征学习（8.1）解决"怎么表示分子"：图神经网络在分子图上做消息传递，让每个原子的表示携带它的化学环境——指纹与描述符是手工特征，嵌入向量是学出来的特征。生成模型（8.2）解决"分子从哪来"：在学到的化学分布里采样或按条件生成，虚拟筛选的"捞"升级成生成的"造"。预训练大模型（8.3）解决"标签不够怎么办"：先在数亿无标签分子上学通用化学语法，再用少量标签微调——迁移学习是这个领域的第一生产力。

子章节导航

8.1 分子表征学习：从指纹到图神经网络——消息传递的机制拆解、读出与任务头、与指纹基线的公平对决；一个可运行的分子性质分类案例教会你"骨架划分与基线对照是深度时代的呼吸"。

8.2 生成式分子设计：VAE、流与扩散——从化学变分自编码器的连续潜空间讲起，路过自回归与流模型，抵达三维扩散模型；重点放在评估阶梯——生成的分子是骡子是马，五道检查拉出来遛。

8.3 化学预训练大模型——把 SMILES 当句子读的编码器、结构与文本的多模态融合、大模型在化学任务上的能与不能；预训练编码器当相似度引擎的实战案例。

子章节之间的逻辑关系

三节是"特征、样本、先验"的递进：8.1 的表征学习造特征，8.2 的生成模型产样本，8.3 的预训练给前两者提供先验底座——多数现代生成模型就是"预训练表征加生成头"。与前面章节的接口同样清晰：8.1 的嵌入可当 5.1 节的相似度量、6.1 节的特征；8.2 的产出必须过 7.3 节的全部闸门；8.3 的微调纪律就是 6.2 节纪律的搬家。

   8.1 特征革命              8.2 样本革命             8.3 先验革命
 ┌───────────────┐       ┌───────────────┐      ┌───────────────┐
 │ 消息传递学嵌入  │        │ 潜空间采样生成  │      │ 无标签预训练    │
 │ 嵌入替代描述符  │        │ 条件生成新骨架  │      │ 少标签微调      │
 │ 与指纹公平对决  │        │ 五道评估检查    │      │ 能力边界与幻觉  │
 └───────┬───────┘       └───────┬───────┘      └───────┬───────┘
         └─────────────┬─────────┴──────────────────────┘
                       ▼
        第9章：生成之后的必答题——这个分子合得出来吗
​

前置知识与后续延伸

本章需要第2章的分子图、第4章的指纹（当对比基线）、第6章的验证纪律；深度学习框架的常识（张量、训练循环）会以最小必要篇幅出现，代码示例以可读性优先。数学上需要"嵌入即向量"这一句话级别的理解即可入章。

往后的路标：8.2 生成的分子能不能合成出来，是第9章反应信息学的开场问题；8.3 的预训练范式将在 10.4 节扩展到蛋白质语言模型与多模态；而贯穿本章的验证纪律，将在 10.2 节升级为正式的模型治理条款。