本文へスキップ

LlaSMol

OSU Natural Language Processing Group

LlaSMol は化学命令データセット SMolInstruct で学習された化学 LLM ファミリ(公開モデル 4 種)で、名称変換・物性予測・反応予測などのタスクを扱い、コードは MIT ライセンスです。

掲載情報の更新 ·

概要

LlaSMol は、論文 “LlaSMol: Advancing Large Language Models for Chemistry with a Large-Scale, Comprehensive, High-Quality Instruction Tuning Dataset”(arXiv 2402.09391)で提案された化学 LLM ファミリで、オハイオ州立大学 NLP グループが開発しました。本リポジトリは論文の公式コード公開です。

README にはプロジェクトページ、Hugging Face の SMolInstruct データセット(osunlp/SMolInstruct)、公開 4 モデル(LlaSMol-Galactica-6.7B、LlaSMol-Llama2-7B、LlaSMol-CodeLlama-7B、LlaSMol-Mistral-7B)が記載され、名称変換・物性予測・反応関連タスクを含む 4 種 14 タスクで学習されており、入出力例も示されています。

リポジトリのコードは MIT ライセンスです。Hugging Face の公開 4 種は LoRA アダプタの重みを含み、単独で動く完全な基盤モデルではありません。4 種のモデルカードはすべて CC BY 4.0 を宣言し、SMolInstruct データセットも CC BY 4.0 を明記しています。利用には対応する Galactica、Llama2、CodeLlama、Mistral の基盤モデルが必要で、それぞれの利用条件も適用されます。モデルカードは研究用途を説明し、誤った出力の可能性を警告しています。生成された構造・反応・物性の回答は信頼できる化学情報源と照合してください。モデルカード: https://huggingface.co/osunlp/LlaSMol-Mistral-7B ; データセット: https://huggingface.co/datasets/osunlp/SMolInstruct

主な機能

  • Galactica・Llama2・CodeLlama・Mistral を基盤とする 4 種類の命令チューニング済み化学 LLM。
  • Hugging Face で公開された大規模化学命令データセット SMolInstruct で学習。
  • README に記載された 4 種 14 タスク(名称変換・物性予測など)をカバー。

用途

  • 物性や反応の質問に答える命令追従型の化学アシスタントを試す。
  • 公開データセットとコードで論文のファインチューニング pipeline を再現・拡張する。

使い方

リポジトリの生成例に従い、指定の LlaSMol LoRA アダプタと対応する基盤モデルを読み込み、SMILES や IUPAC 名には文書化された入力タグを使います。アダプタのカードは CC BY 4.0、コードは MIT、SMolInstruct は CC BY 4.0 です。基盤モデルは固有の条件に従って入手してください。公開モデルは研究用で、出力には化学的な確認が必要です。参照: https://github.com/OSU-NLP-Group/LLM4Chem

出典と確認の範囲

この掲載情報はリンク先のプロジェクト資料に記載された機能を説明します。掲載情報の更新は、実行、互換性試験、科学的性能評価の実施を意味しません。

この掲載版のリポジトリ出典確認日:

編集・確認方針を読む

関連リソース

ASKCOS

プラットフォーム

ASKCOS は逆合成、順方向予測、反応解析のモジュールを備える研究用合成計画プラットフォームです。ホスト型の画面とモジュール単位の導入文書があります。

Python

反応予測 · 逆合成

Graph2SMILES

モデル

Graph2SMILES は単段階の逆合成と化学反応の生成物予測に用いる、グラフから系列への変換モデルです。

オープンソースPython

反応予測 · 逆合成

Molfeat

オープンソース

Molfeat は、小分子の特徴量化のための Python ツールキットです。分子フィンガープリント、記述子、事前学習済み埋め込みに、並列変換、キャッシュ、拡張可能なプラグインを組み合わせています。

オープンソースPython

分子特性予測 · ケモインフォマティクス

Mordred

オープンソース

Mordredは、コマンドラインとRDKitベースのライブラリワークフローを備えたPython分子記述子計算ツールです。ケモインフォマティクス解析や下流のモデル評価に使用する記述子テーブルを生成します。

オープンソースPython

分子特性予測 · ケモインフォマティクス

RxnMapper

モデル

RxnMapperは、教師なしALBERTモデルの注意機構を用いて、有効な反応SMILESに原子マッピングを割り当て、Pythonインターフェースを通じてマッピング済み反応と信頼度スコアを返します。

オープンソースPython

ケモインフォマティクス · 反応予測

RXN Reaction Preprocessing

オープンソース

RXN Reaction Preprocessing は化学反応データセットの前処理パイプラインで、標準化・フィルタ・拡張・分割・トークン化に対応します。

オープンソースPython

ケモインフォマティクス · 反応予測

関連ガイド

モデル

ChempropとDeepChemの選び方

分子特性予測に焦点を当てたChempropと、より広範な科学機械学習を対象とするDeepChemを比較し、共通データ、明確な入出力、再現可能な判断基準を用いた公平な評価を計画します。