Применение крупномасштабных языковых моделей в исследованиях и разработках лекарств постоянно расширяется. В прошлом при применении естественного языка для молекулярной оптимизации возникали технические трудности, но появление модели DrugAssist предлагает новое решение этой проблемы. Модель DrugAssist обеспечивает взаимодействие между естественным языком и людьми в реальном времени в процессе разработки лекарств, значительно повышая эффективность и удобство молекулярной оптимизации. Его эффективность переносимости при оптимизации с одним атрибутом, а также в сценариях с нулевой и малой выборкой особенно выдающаяся, что вносит инновационные изменения в область открытия лекарств.
В последние годы большие языковые модели добились значительного прогресса в области обработки речи, но существуют проблемы с молекулярной оптимизацией для открытия лекарств. Тем не менее, исследователи успешно добились взаимодействия между естественным языком и людьми в реальном времени в процессе молекулярной оптимизации благодаря разработке и применению модели DrugAssist. Модель хорошо работает при оптимизации одного атрибута и имеет превосходную переносимость при нулевой выборке и малом числе. примеры сценариев, обеспечивающие возможность взаимодействия в реальном времени и итеративную оптимизацию для поиска лекарств.
Успешное применение модели DrugAssist знаменует собой дальнейшее углубление технологий искусственного интеллекта в области исследований и разработок лекарств, обеспечивая мощную техническую поддержку для ускорения процесса исследований и разработок новых лекарств и снижения затрат на исследования и разработки. В будущем дальнейшее развитие подобных технологий будет во многом способствовать прогрессу фармацевтической промышленности.