知识卡片：高阶分子语法：面向化学生成与基础模型

一句话结论

论文提出 HGR（Higher-order Grammar Representation），将分子提升为组合复形并解析为上下文无关高阶语法的产生式规则序列，使高阶拓扑能够被标准序列模型处理；摘要报告其在分子生成和 MoleculeNet 表示学习上取得领先结果。

事件概述或研究问题

分子学习模型的效果受底层表示形式强烈影响。标准序列形式与图形式难以显式编码高阶拓扑，例如环系统和重复基序。已有高阶表示虽然可直接捕获这些结构，但通常计算需求高，且难以解码为有效分子。

该论文研究的问题是：如何在高阶拓扑表达力、计算效率和标准序列模型兼容性之间取得平衡，并减少基准对简单环系统的偏置。

方法/产品要点

• HGR（Higher-order Grammar Representation）：一种拓扑感知框架，将分子提升为 combinatorial complexes。
• 在 context-free higher-order grammar 下，将每个复形解析为紧凑的 production rules 序列。
• 通过把高阶拓扑序列化为规则序列，HGR 使这些结构可直接兼容标准序列模型，避免显式高阶编码的计算开销，同时保留拓扑表达力。
• 构建 RingDiv：一个环富集基准，包含 1.18 million molecules，其中包括整理后的 RingDiv300k 子集。
• 提出 ring diversity index（RDI），用于量化环系统覆盖情况。
• 表示学习中使用 HGR-FM；摘要未展开其具体架构，待核实。

主要结果或产业意义

• 在分子生成中，据论文称，基于 HGR 的模型独特地结合了 100% validity by construction 与领先的分布对齐表现，并在所有五个生成基准的 FCD 上排名第一。
• 在表示学习中，HGR-FM 在七个 MoleculeNet 基准上的两种迁移协议下均取得最高 mean AUC。
• 相对最强基线，HGR-FM 在 probing 和 full fine-tuning 下分别提升 8.3 和 3.3 AUC points。
• 论文总结认为，HGR 是一种高效的高阶表示，可用于分子生成与可迁移表示学习。

为什么重要

• 高阶拓扑，尤其是环系统和重复基序，是化学结构中的关键信息；标准序列或图表示难以显式捕获。
• HGR 尝试把高阶拓扑“语法化”，从而同时利用高阶结构先验和标准序列模型的可扩展性。
• RingDiv 与 RDI 指向一个方法学问题：分子生成与表示学习基准可能偏向简单环系统，需要更系统的环多样性评估。
• 与用户提供的已有卡片（Mamba 状态测量、音频语言模型神经元、VideoRAE）主题不同，无直接延续或更新关系；若放入同一知识脉络，本条增量在于化学分子基础模型中的高阶拓扑表示与语法化编码。

局限与不确定性

• 该材料显示为 arXiv v1 预印本；是否经过同行评审待核实。
• 摘要未提供模型规模、训练数据规模、计算资源、超参数、消融实验和统计显著性细节，待核实。
• FCD 的具体数值、mean AUC 的绝对值、完整基线列表和置信区间未给出，待核实。
• “100% validity by construction”的精确定义、适用分子空间与验证范围待核实。
• RingDiv 的数据来源、构建规则、许可、去偏效果及其对真实药物/材料发现任务的泛化能力待核实。
• 与已有高阶表示在计算成本、可扩展性和解码效率上的全面比较需查阅全文，待核实。
• 代码、数据与模型是否公开待核实。

可用于图书/PPT/简报的角度

• 表示决定模型：分子 AI 从序列、图到高阶语法表示的演进。
• 语法化高阶拓扑：组合复形 → 产生式规则序列 → 标准序列模型。
• 基准偏置审计：RingDiv 与 RDI 作为环多样性评估工具。
• 生成与基础模型一体化的表示：有效性与分布对齐、迁移学习结果如何同时出现。
• 化学基础模型中的结构先验：如何在不牺牲序列模型效率的前提下编码环系统与重复基序。

原始材料

• 英文标题：Higher-Order Molecular Grammars for Generative and Foundation Models in Chemistry
• 英文关键词（据摘要术语整理，非原文关键词列表）：higher-order molecular grammar; Higher-order Grammar Representation (HGR); combinatorial complexes; context-free higher-order grammar; RingDiv; ring diversity index (RDI); molecular generation; foundation models; MoleculeNet; FCD
• arXiv ID：2610.02186v1
• Authors：Yiming Huang, Yujie Zeng, Vijay Prakash Dwivedi, Simone Foti, Jianmin Wang, Jure Leskovec, Tolga Birdal
• Published：2026-10-01T17:58:45Z
• Updated：2026-10-01T17:58:45Z
• Primary category：cs.LG
• Categories：cs.LG, cs.AI
• Track：academic
• Topics：foundation-model
• Abstract URL：https://arxiv.org/abs/2610.02186v1
• PDF URL：https://arxiv.org/pdf/2610.02186v1