研究进展：机器学习-奖励函数TANGO | Nature Computational Science

背景：在生成式分子设计领域，如何确保计算机设计的分子具有实际合成可行性，特别是需要同时满足多参数优化目标并强制包含特定结构单元，是一个尚未解决的主要挑战。研究目的：为了解决这一问题，瑞士洛桑联邦理工学院的研究团队提出了TANGO奖励函数，旨在将二元（是/否）的可合成性判断转化为连续型评分，从而通过强化学习直接优化生成式分子模型，使其产生的分子更易合成。结论：TANGO框架能够有效处理起始原料、中间体及发散合成等多种约束，引导AI模型生成既满足目标性质又具备合成可行性的分子，为药物研发和材料设计提供了新工具。