MiniMol:Valence Labs (Recursion Pharmaceuticals)
千万参数级分子基础模型,用数千个监督任务密集预训练后做性质预测。
小分子 · AI 原生 biotech · 美国 · 全站实体页 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | MiniMol;别名:minimol |
| 家族 | 否(单一模型;同门前作 MolE 另有记录) |
| 机构 | Valence Labs (Recursion Pharmaceuticals)(全站页:recursion-pharmaceuticals) |
| 机构类型 / 国家 | AI 原生 biotech / 美国 |
| 模型类别 | 性质预测(分子基础模型,图模型) |
| 领域 | 小分子 |
| 首次发布 | (依据:arXiv 2404.14986 v1 提交日(另被一个机器学习会议的 workshop 收录)) |
| 其他里程碑 | 最早公开证据 (预印本 v1);预印本 v1 (预印本 v1(此后无新版本));代码发布 (包登记平台 1.3.5(1.3.4 为 2024-08-05)) |
| 最近更新 | ,代码发布:公开包版本 1.3.4(2024-08-05)与 1.3.5(2024-08-22);对应仓库存在但无 release 或 tag,最后提交 2025-05-29 为存储路径维护。此为最近一次有出处的事件(订正站上「发布后无更新」的记法:该包版本晚于首发)。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放;权重:不明†(未核实);作者称开源,公开包可安装;本轮未在预期组织路径下找到官方仓库与权重(旧路径失效),许可与权重状态未核实 |
| 状态 | 仅维护:仅维护性提交,最后一次为 2025-05-29 |
| 报过的 benchmark | 1 项计入(榜 1) |
| 湿实验验证 | 无 |
| 全站实体页 | 全站实体页 |
| 截至 | 2026-11-16 |
做什么
走「小模型加大量监督任务」的路线:约千万参数,在数百万分子、数亿标签、约三千个稀疏定义的图级与节点级任务(含量子化学与生物任务)上预训练,再用于下游性质预测。与同门 MolE 相比分子集更小但标签更密;与 Uni-Mol2 相比规模小两个数量级以上,强调参数效率。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。1 项计入(榜 1)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 04 TDC (ADMET + DTI) | 官方参赛 / 官方榜单 | 是 | — | 榜单 | ADMET 分组(22 个数据集):摘要称在其中 17 个任务上显著优于此前最佳的基础模型,但未点名对照模型;另在官方分任务榜上有条目,位次落后于若干指纹与梯度提升方法 | 出处 |
其他评测(不在 44 项内)
- 参数效率对比(仅与基线对比,自报):以参数量远小于同类基础模型为卖点与对照,属自报定位而非独立评测
开发方称:密集的多任务监督预训练让千万参数级模型在多数 ADMET 任务上显著优于此前最佳的分子基础模型。
独立证据:公开 ADMET 分任务榜收录其条目,可与其他提交并列查看,但榜方未做独立复跑。
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 约 600 万分子、约 5 亿标签、约 3,300 个图级与节点级任务;摘要未列具体库名 | 出处 |
| b 私有 / 授权 | 未披露 | — | — |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | — | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:开发方是一家上市 AI 制药公司的 AI 研究部门,2023 年在一个机器学习会议上宣布成立,由母公司的机器学习团队与其收购的一家分子设计公司合并而成;母公司 2013-11-05 成立,总部在美国犹他州盐湖城。
- 融资:未披露
- 产品与合作:该研究部门与一所美国大学的团队共同开发了共折叠与亲和力模型 Boltz-2;同门前作为 MolE。
- 相关模型:MolE、Boltz-2、Uni-Mol2、KERMT
怎么看
- 「17 个任务更好」是对「此前最佳基础模型」的对比,不等于超过所有方法:官方分任务榜上多个指纹与梯度提升模型领先。
- 来自 workshop 论文,未见正式期刊版,预印本只有 v1。
- 该 benchmark 的数据集小、方差大,名次间距接近噪声。
- 官方仓库与权重本轮未定位到,开源程度按未核实处理。
局限与注意
- 开源与权重状态未核实(预期仓库路径失效)。
- 摘要未点名被比较的基础模型。
- 仅 workshop 论文,无期刊版本。
- 站上「发布后无更新」的记法已订正为公开包版本。
来源
- 预印本 arXiv 2404.14986(预印本)
- 会议 workshop 条目(官方网站)
- 包登记页(包仓库)
- 代码仓库(无 release/tag)(仓库)
- 公开 ADMET 分任务榜(示例任务)(榜单)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。