英文：Molecular Generation 分类：science
用生成模型设计满足目标性质的新分子结构，是 AI 药物设计的核心生成能力。模型在化学空间中搜索，产出具有预期活性、类药性与可合成性的分子，突破人工设计的天花板。
主流方法：变分自编码器/自回归模型（SMILES 序列生成）、图生成（原子-键图）、扩散模型（3D 构象生成）与强化学习（按活性奖励优化）；需联合性质预测器（ADMET、亲和力）与合成可行性过滤（逆合成）。评测包括新颖性、多样性、可合成性与命中率。
用于先导化合物优化、全新骨架发现、共价抑制剂与 PROTAC 设计；工业管线中与分子对接、湿实验验证闭环，代表成果如 AI 设计的临床候选药物（Exscientia、Insilico 等）。
相关词条：AI 科学家 · AI for Science · AlphaFold · AI 药物发现 · 量子化学模拟