近日，加拿大蒙特利尔学习算法研究所（MILA）唐建教授团队开源了一个通用型药物发现和设计的机器学习平台一一TorchDrug，涵盖了图机器学习（包括图神经网络、几何深度学习和知识图谱）、深度生成模型以及强化学习等技术。

TorchDrug是一个建立在开源机器学习库上的深度图表示学习工具箱，整合了分子性质预测、分子从头设计和优化、反应预测、逆合成以及分子重定向等多个任务集。“该平台在通用性、应用性以及可扩展性等方面具有明显的优势。”唐建表示。

此项工作还得到了“原创AI教父”、“深度学习三巨头”之一的Yoshua Bengio的指导。

Yoshua Bengio于1993年创办了MILA，这是目前全球学术界从事深度学习和强化学习最大的研究中心。2017年，唐建加入MILA并担任助理教授，他的主要研发方向是图表示学习、图神经网络、深度生成模型、知识图谱和新药研发，尤其是图表示学习在新药研发中的应用。

MILA助理教授唐建

“2017年以来，我一直在思考图表示学习未来的发展方向，最终发现图表示学習‘杀手级的应用方向在生物医药领域，尤其是药物研发。生物医药领域绝大部分的数据是图结构数据，包括分子结构数据、蛋白质结构数据、知识图谱等，图表示学习在该领域有巨大的应用价值。通过开源TorchDrug，我们计划建立一个开源人工智能药物发现社区，科研人员和制药公司都可以共享这个成果。”唐建说。

01多个模块已开源

读博最后一年，唐建开始尝试将深度学习应用于图结构数据分析中。自2017年入职MILA以来，他一直聚焦图表示学习在新药研发的研究和应用。……