arXiv｜南京大学符天凡等：用于化学的3D多模态大语言模型Chem3DLLM

背景：传统自回归语言模型无法处理三维分子构象生成，主要面临三维结构与LLM离散符号空间不兼容、多模态异构输入整合困难、缺乏科学先验知识三大挑战。研究目的：南京大学符天凡团队提出Chem3DLLM模型，通过可逆分子标记压缩技术将三维分子转换为文本序列，利用蛋白质结构投影模块实现多模态对齐，并采用带科学反馈的强化学习确保生成分子符合物理化学约束。结论：该模型在QM9和CrossDocked数据集上达到最先进性能，SBDD任务中取得-7.21的Vina评分，化学有效性达100%，证明了多模态LLM在三维分子生成和药物设计中的有效性。