Buchumschlag

REINFORCE-ING Chemical Language Models for Drug Discovery

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thomas, Morgan, Bou, Albert, Gómez-Tamayo, Jose Carlos, Tresadern, Gary, Ahmad, Mazen, De Fabritiis, Gianni
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Test-Time Training Scaling Laws for Chemical Exploration in Drug Design
von: Thomas, Morgan, et al.
Veröffentlicht: (2025)

ACEGEN: Reinforcement learning of generative chemical agents for drug discovery
von: Bou, Albert, et al.
Veröffentlicht: (2024)

On Machine Learning Approaches for Protein-Ligand Binding Affinity Prediction
von: Schapin, Nikolai, et al.
Veröffentlicht: (2024)

Machine Learning Potentials: A Roadmap Toward Next-Generation Biomolecular Simulations
von: De Fabritiis, Gianni
Veröffentlicht: (2024)

BricksRL: A Platform for Democratizing Robotics and Reinforcement Learning Research and Education with LEGO
von: Dittert, Sebastian, et al.
Veröffentlicht: (2024)

Structure-guided molecular design with contrastive 3D protein-ligand learning
von: Navarro, Carles, et al.
Veröffentlicht: (2026)

REINFORCE Adversarial Attacks on Large Language Models: An Adaptive, Distributional, and Semantic Objective
von: Geisler, Simon, et al.
Veröffentlicht: (2025)

Conditional Chemical Language Models are Versatile Tools in Drug Discovery
von: Zhu, Lu, et al.
Veröffentlicht: (2025)

QuantFactor REINFORCE: Mining Steady Formulaic Alpha Factors with Variance-bounded REINFORCE
von: Zhao, Junjie, et al.
Veröffentlicht: (2024)

AMARO: All Heavy-Atom Transferable Neural Network Potentials of Protein Thermodynamics
von: Mirarchi, Antonio, et al.
Veröffentlicht: (2024)

PlayMolecule pKAce: Small Molecule Protonation through Equivariant Neural Networks
von: Schapin, Nikolai, et al.
Veröffentlicht: (2024)

QuantumBind-RBFE: Accurate Relative Binding Free Energy Calculations Using Neural Network Potentials
von: Zariquiey, Francesc Sabanés, et al.
Veröffentlicht: (2025)

AceFF: A State-of-the-Art Machine Learning Potential for Small Molecules
von: Farr, Stephen E., et al.
Veröffentlicht: (2026)

Broadening the Scope of Neural Network Potentials through Direct Inclusion of Additional Molecular Attributes
von: Simeon, Guillem, et al.
Veröffentlicht: (2024)

A Foundation Chemical Language Model for Comprehensive Fragment-Based Drug Discovery
von: Ho, Alexander, et al.
Veröffentlicht: (2025)

Tapered Off-Policy REINFORCE: Stable and efficient reinforcement learning for LLMs
von: Roux, Nicolas Le, et al.
Veröffentlicht: (2025)

REINFORCE++: Stabilizing Critic-Free Policy Optimization with Global Advantage Normalization
von: Hu, Jian, et al.
Veröffentlicht: (2025)

Non-Uniform Noise-to-Signal Ratio in the REINFORCE Policy-Gradient Estimator
von: Han, Haoyu, et al.
Veröffentlicht: (2026)

Asymmetric REINFORCE for off-Policy Reinforcement Learning: Balancing positive and negative rewards
von: Arnal, Charles, et al.
Veröffentlicht: (2025)

Advancing Drug Discovery with Enhanced Chemical Understanding via Asymmetric Contrastive Multimodal Learning
von: Wang, Yifei, et al.
Veröffentlicht: (2023)

Relational Rank Geometry in Transformers: Detecting and Steering Hidden-State Relation Frames
von: Kobrosly, Mazen
Veröffentlicht: (2026)

Designing Instance-Level Sampling Schedules via REINFORCE with James-Stein Shrinkage
von: Yu, Peiyu, et al.
Veröffentlicht: (2025)

Back to Basics: Revisiting REINFORCE Style Optimization for Learning from Human Feedback in LLMs
von: Ahmadian, Arash, et al.
Veröffentlicht: (2024)

DrugPlayGround: Benchmarking Large Language Models and Embeddings for Drug Discovery
von: Liu, Tianyu, et al.
Veröffentlicht: (2026)

Automated Modeling Method for Pathloss Model Discovery
von: Anaqreh, Ahmad, et al.
Veröffentlicht: (2025)

Entropy-Reinforced Planning with Large Language Models for Drug Discovery
von: Liu, Xuefeng, et al.
Veröffentlicht: (2024)

AI Agents in Drug Discovery
von: Seal, Srijit, et al.
Veröffentlicht: (2025)

Large Language Model Agent for Modular Task Execution in Drug Discovery
von: Ock, Janghoon, et al.
Veröffentlicht: (2025)

Machine Learning Coarse-Grained Potentials of Protein Thermodynamics
von: Majewski, Maciej, et al.
Veröffentlicht: (2022)

RAG-Enhanced Collaborative LLM Agents for Drug Discovery
von: Lee, Namkyeong, et al.
Veröffentlicht: (2025)

TorchMD-Net 2.0: Fast Neural Network Potentials for Molecular Simulations
von: Pelaez, Raul P., et al.
Veröffentlicht: (2024)

Drug Discovery with Dynamic Goal-aware Fragments
von: Lee, Seul, et al.
Veröffentlicht: (2023)

Large Language Models in Drug Discovery and Development: From Disease Mechanisms to Clinical Trials
von: Zheng, Yizhen, et al.
Veröffentlicht: (2024)

Group-Relative REINFORCE Is Secretly an Off-Policy Algorithm: Demystifying Some Myths About GRPO and Its Friends
von: Yao, Chaorui, et al.
Veröffentlicht: (2025)

Al-Khwarizmi: Discovering Physical Laws with Foundation Models
von: Mower, Christopher E., et al.
Veröffentlicht: (2025)

A Morse Transform for Drug Discovery
von: Tanaka, Alexander M., et al.
Veröffentlicht: (2025)

Recent Developments in GNNs for Drug Discovery
von: Fang, Zhengyu, et al.
Veröffentlicht: (2025)

TechING: Towards Real World Technical Image Understanding via VLMs
von: Nadeem, Tafazzul, et al.
Veröffentlicht: (2026)

Generative Language Model for Catalyst Discovery
von: Mok, Dong Hyeon, et al.
Veröffentlicht: (2024)

Generative Chemical Language Models for Energetic Materials Discovery
von: Salij, Andrew, et al.
Veröffentlicht: (2026)