8.1.2 序列模型：RNN, LSTM 与 Transformer 在 SMILES 处理...

文档摘要

8.1.2 序列模型：RNN, LSTM 与 Transformer 在 SMILES 处理中的应用在分子信息学的深水区，SMILES 字符串从来不是一串随意排列的 ASCII 符号——它是化学家写给机器的密语，是原子与键的拓扑结构在离散符号空间中的一次精巧投影。而当我们试图让模型“读懂”这串密语时，真正的挑战不在于字符识别，而在于如何让模型理解：不仅是七个字符，更是一个闭合的芳香六元环；不仅是十二个字符，而是草酸分子中两个羧基对称排布、共享一个中心碳的共振稳定构型。这种从线性符号到三维电子结构的语义跃迁，正是深度表征学习在分子领域最富张力的战场。