两篇相关论文:
Graph Convolutional Policy Network for Goal-Directed Molecular Graph Generation
MolGAN: An implicit generative model for small molecular graphs
论文内容不做详细介绍,只说一下想法:
在化学中,要制造新化合物,就需要设计新的结构,并且满足化合价约束、结构规则等一系列性质。
之前都是依赖人为经验设计,空间太大非解太多没法枚举。
用强化学习,一步步随机生成新的图结构,并根据是否满足性质给出reward,更新状态,直到session结束。
或者用GAN生成新数据媲美原数据。
这个方向需要生化专业提供问题背景和专业常识,再使用强化学习or GAN 进行建模求解。
同时,类似的思路也可以用于求解经典图构造问题。
层级强化学习可用于大结构(蕴含一定规律的子结构)生成。