北京大学 发布 MCMoD 数据集, 应用在 分子设计、化学语言模型 领域

北京大学 本次发布的数据集 MCMoD, MCMoD数据集是由北京大学深圳研究生院开发的一个大规模多条件分子设计数据集，旨在解决化学语言模型在分子设计与生成中的语义鸿沟问题。该数据集包含超过100万条分子数据，涵盖了合成分子、天然产物和蛋白质配体等多种分子类型，并提供了文本描述、分子片段和化学性质等多重控制条件。数据来源包括PubChem、ZINC、ChEBI等知名数据库，并通过RDKit等工具进行标准化处理。MCMoD数据集不仅支持多目标联合控制，还创新性地利用分子片段序列作为文本与分子模态之间的桥梁，推动了化学语言模型在药物开发和化学工程等领域的实际应用。

查看MCMoD

Dataset card 内容： 

Files and versions 内容： 

关于 北京大学 , 北京大学是中国著名的综合性研究型大学，位于北京市，成立于1898年，是中国最早的国立大学之一。北京大学在国内外享有极高的声誉，以其在人文社会科学、自然科学、工程技术等领域的卓越研究和教育成果而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。