想象一下，你是一位招生办老师，负责为一所顶尖大学筛选新生。每天有成千上万份申请材料堆在你桌上，每份都代表一个“候选分子”。你不可能把每个人都招进来——你需要一套科学的评估体系，像用一把多维度尺子去丈量每个候选人：他是否真的可培养（化学有效性）？他的特长分布是否均匀（性质多样性）？他将来会不会难以毕业（合成可行性）？在AI辅助新材料和药物研发的时代，分子生成模型每天能吐出海量候选分子，而“评估指标”就是筛选中这些申请的考核标准。这套标准绝不只是“及格/不及格”那么简单，它背后是一整套严谨的量化打分制度。本文将用“招生考核”这个生活案例，带你认识分子评估指标的世界——从最基础的QED（药物相似性）到合成难易度SA Score，从脂水分配系数到多样性度量，再到如何搭建一套综合评分体系，以及如何通过基准测试来验证模型真正的好坏。

岗位关联

掌握分子评估指标体系，意味着你能在AI生成的海量候选中精准挑出“可合成、成药、多样”的优质分子，这会直接决定你在AI+新材料领域的研究成果能否落地。这是每位AI for Science工程师的必备基本功。

目录
  1. 可视化演示
  2. 评估指标概述
  3. QED量化指标
  4. SA合成难易度
  5. LogP脂水平衡
  6. 多样性度量
  7. 综合评分体系
  8. 基准测试方法
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

演示化学有效性校验、QED与SA Score等性质指标、综合评分体系三大环节，直观展示分子生成模型输出的多维质量评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

化学有效性 SMILES解析校验 RDKit 价键与芳香性合理才算有效

评估指标概述

你面前堆着三百份申请材料，每份都标着“潜力无限”。可招生办不能全录取，你得先建立一套“录取标准”：学业成绩如何（化学有效性）？兴趣特长是否多样（多样性）？能否顺利毕业（合成可行性）？这正是分子生成模型评估的本质——我们需要的不是一个“好分数”，而是一把能丈量不同维度的尺子。

在AI+材料科学实践中，分子生成模型（如变分自编码器、生成对抗网络、扩散模型）每秒能产生成千上万个新分子。如果只看单一指标，就好比仅凭数学单科成绩录取学生，很容易招进偏科严重的“天才”——化学结构理论上存在，实际却无法合成。因此，评估必须多维度展开。

常见的评估框架通常覆盖三个面：有效性（分子是否符合化学价规则）、性质分布（目标性质是否符合预期）、多样性（生成分子是否覆盖广阔化学空间）。每面又细分出具体量化指标，比如下文将详述的QED、SA Score、LogP等。

就像招生办最终给每位候选人建立“综合档案”，每个维度的指标都是档案里的一页。随着后续章节逐页展开，你会看到每份档案页上都记录着不同的关键数字——QED、SA、LogP、多样性，它们共同描绘出一幅完整的候选分子肖像。

评估体系={有效性, 性质分布, 多样性}\text{评估体系} = \{\text{有效性},\ \text{性质分布},\ \text{多样性}\}
这个公式说明：一套完整的评估体系等于三个维度的集合。任何一个维度缺失都会造成评价偏差，就像只看总分不看单科会漏掉偏科风险。
  1. 评估体系（左端）指我们最终要建立的综合考核标准，它是多个指标聚合后的总法则，用来横向比较不同生成模型的表现。
    评估体系\text{评估体系}
  2. 三个维度（右端大括号）有效性、性质分布、多样性三者的合集。它们分别回答“分子合法吗”、“性质达标吗”、“结果丰富吗”三个问题。
    {有效性, 性质分布, 多样性}\{\text{有效性},\ \text{性质分布},\ \text{多样性}\}
  3. 集合关系用集合表示三个维度彼此独立又互补，说明评估体系不是单一分数，而是多视角并存的复合结构。
    ==

QED量化指标

录取办公室墙上挂着一张醒目的表格：“能力匹配度评分（QED）”——一个快速评估考生是否适合“药物研发”专业的速算表。它把候选人的六个侧面（分子量、脂溶性、氢键供体数、氢键受体数、极性表面积、可旋转键数）分别打分，最后加权平均成一个0到1之间的综合分数。就像招生办根据标化成绩、课外活动、推荐信等六个维度算出“适配度”，QED越高说明这个分子越像合格的“药物候选者”。

QED（Quantitative Estimate of Drug-likeness，药物相似性定量估计）通过六个子项的加权组合给分子打分，输出范围是0到1。它的最大优势是计算简单、只需读一下分子式就能得到分数，因此成为生成模型早期最常用的初筛工具。它不需要复杂的实验数据，也不需要外部预测模型，这让它在海量筛选中效率极高。

QED虽然高效，但它的局限也很明显——它本质上是为“已知药物”设计的经验公式，对于全新骨架、全新作用机制的分子可能低估其潜力。就像招生速算表倾向于录取“标准模子”的学生，却可能漏掉真正有创造力的偏才。因此它适合做初筛，不能当最终裁判。

QED=exp⁡[1N∑i=1Nwi⋅fi(x)]\text{QED} = \exp\left[\frac{1}{N}\sum_{i=1}^{N} w_i \cdot f_i(x)\right]
这个公式将各个子指标的加权和做了指数变换，使得结果落在0到1之间。直观理解：六门“科目”分别打分后取加权平均，再做一次平滑缩放，防止某一单项极端值主导总分。
  1. 指数外壳 exp将内部的加权平均结果压缩到0~1区间。如果加权平均为0，QED就接近0；加权平均越接近0，QED越接近1。它保证分数始终在合理范围内。
    exp⁡[⋅]\exp[\cdot]
  2. N 归一化N代表参与评分的子项数量（通常是6），取平均避免“科目越多总分越高”的偏差，保证不同分子之间可比。
    1N∑i=1N\frac{1}{N}\sum_{i=1}^{N}
  3. 权重与子项 f_i(x)每个子项（如分子量MW、LogP、氢键供体数HBD等）被赋予权重 w_i，再结合函数 f_i(x) 根据分子特征计算单项得分。权重体现了该子项对“药物相似性”的重要程度。
    wi⋅fi(x)w_i \cdot f_i(x)

SA合成难易度

招生档案翻到下一页，这一页记录的是一道更严峻的问题：就算这位学生学术再优秀，他能不能“顺路毕业”？在分子世界里，“毕业”对应的是能不能在实验室里被合成出来。SA Score就是这样一个“合成可行性评估表”，分数从1到10，1代表像拼接乐高积木一样容易合成，10代表需要地狱级多步反应才能勉强获得。

SA（Synthetic Accessibility）评估器通过分析分子结构中的片段贡献来估算合成难度：它将分子拆解成一个个合成子片段，每个片段根据在已知化合物数据库中出现的频率打分——越常见的片段越容易获得，贡献越低分（更容易合成）；稀有片段则贡献高分（难以合成）。同时它还会考虑分子中是否存在复杂环系、手性中心等“麻烦结构”，给予额外的难度加成。

SA Score是连接AI生成与真实实验的桥梁。一个分子即使性质和多样性都完美，若SA高达9，化学家只会对它摇头。在分子生成项目中，SA常用于后置过滤器：先按QED等性质指标排序，再剔除高SA的不可合成分子。就像招生办先看成绩，再确认考生是否能顺利毕业。

SA=∑jsj+penaltycomplex\text{SA} = \sum_{j}^{} s_j + \text{penalty}_{\text{complex}}
公式含义：总分等于所有片段贡献的加和，再加上复杂度惩罚项。片段越常见、结构越规整，得分就越低，代表越容易合成。
  1. 片段贡献加和s_j 是第 j 个片段的合成难度得分，常见的苯环、酰胺键得分低，罕见杂环得分高。把所有片段得分加起来，反映整体获得的难易。
    ∑jsj\sum_{j} s_j
  2. 复杂度惩罚项penalty 根据环系复杂程度、手性中心数量、长链分支等特征增加额外分数。这些结构在合成中需要额外步骤或产率很低，必须单独惩罚。
    penaltycomplex\text{penalty}_{\text{complex}}
  3. 整体映射最后将原始得分映射到1~10区间，1最容易、10最难。生成模型通常希望候选分子的SA低于5，以保证合成团队能落地。
    SA∈[1,10]\text{SA} \in [1, 10]

LogP脂水平衡

模拟录取的另一项关键考量：这位学生将在“人体环境”中学习和生活，他必须在“亲水”和“亲脂”两种能力间找到平衡——太亲水进不了细胞膜，太亲脂又溶解不了、代谢不掉。分子的这种平衡能力，就是LogP，即脂水分配系数的对数。

LogP测量分子在正辛醇（模拟脂质）和水两相间的分配比例。如果LogP太高（比如>5），分子过于亲脂，容易在脂肪组织中蓄积、代谢差；如果LogP太低（比如<0），又难以穿透细胞膜，吸收率差。理想的口服药物LogP通常落在0~3之间，这段区间被称为“类药性窗口”。

在生成模型中，LogP常被作为条件约束或打分项。一些模型在训练时就加入LogP目标，让它作为“可控属性”直接调节输出。现实中的材料分子也一样——例如设计OLED发光材料时，需要平衡溶解加工性与薄膜稳定性，同样离不开这类平衡思维。

log⁡P=log⁡10(coctanolcwater)\log P = \log_{10}\left( \frac{c_{\text{octanol}}}{c_{\text{water}}} \right)
这个公式直接定义了脂水分配比：分子在油相中的浓度除以水相中的浓度，再取以10为底的对数。大于0说明倾向脂质，小于0说明倾向水。
  1. 浓度比分子在正辛醇相中的浓度除以水相中的浓度。若比值大于1，说明分子更喜欢脂质环境；小于1则更喜欢水环境。
    coctanolcwater\frac{c_{\text{octanol}}}{c_{\text{water}}}
  2. 取对数比值跨度可能达几个数量级，取对数后压缩成便于比较的标度。每差1个单位，代表分配比相差10倍。
    log⁡10(⋅)\log_{10}(\cdot)
  3. 相分配意义LogP近似反映分子穿透细胞膜的能力与溶解性的折中，是药物研发中极其关键的物理化学属性。
    log⁡P\log P

多样性度量

招生办遇到过这种尴尬：一个“完美模型”生成了一百个分子，个个都是尖子生，但细看——全都长得像同一个模子刻出来的兄弟姐妹。在分子生成中，这种“高分低多样性”是经典的陷阱。多样性指标用来衡量生成分子集的丰富程度，避免模型只记住训练集中的少数模板，把生成变成复读机。

常用的多样性度量基于分子指纹间的相似度。分子指纹是把分子结构编码成一组位串（如同一张特征清单），两个分子间的相似度可以用Tanimoto系数计算——两清单中共同特征数与总特征数的比值，取值0到1，1意味着完全相似。多样性通常定义为所有分子对之间平均距离的补数：平均距离越远，多样性越高。

多样性评估的意义在于衡量模型是否真正探索了化学空间，而不是在局部区域“内卷”。一个理想的生成模型，应当做到千分子千面。招生办的道理一模一样：一届优秀的学生群体，既要有扎实的学术能力，也要有百花齐放的特长与背景，这样的群体才最有创新活力。

Div=1−2N(N−1)∑i<jTanimoto(Mi,Mj)\text{Div} = 1 - \frac{2}{N(N-1)} \sum_{i<j} \text{Tanimoto}(M_i, M_j)
公式说明：分子集的多样性等于1减去所有分子对平均Tanimoto相似度。数值越接近1，代表分子间结构差异越大、覆盖空间越广。
  1. 平均相似度对所有分子对 (i, j) 的 Tanimoto 系数求平均，分子对总数为 N(N-1)/2，前面乘的是归一化系数。
    2N(N−1)∑i<j\frac{2}{N(N-1)} \sum_{i<j}
  2. Tanimoto 系数两个分子指纹交集大小除以并集大小，取值在0到1之间，值越大结构越相似。
    Tanimoto(Mi,Mj)\text{Tanimoto}(M_i, M_j)
  3. 多样性补数拿1减去平均相似度，将“相似度”转化为“差异度”，方便直觉理解：0.8的多样性说明分子间平均只有20%结构相似度。
    Div=1−⋯\text{Div} = 1 - \cdots

综合评分体系

当各个指标——QED、SA、LogP、多样性——陈列在眼前，招生办导师提出了终极问题：这么多分数，该加权合并成一个总分，还是逐项筛选？这正是综合评分体系设计要解决的课题。比起某个单一指标，一套科学的综合评分体系能让“评估”既全面又有可操作性，为模型优化指明方向。

综合评分体系有三种常见模式：加权求和、规则筛选、帕累托前沿。加权求和适合对各维度重要性有先验认识的场景，如给QED权重0.4、SA权重0.3、LogP权重0.3，得到综合分。规则筛选是先设硬门槛（如SA<5、LogP在0~3），淘汰不合格品后再按某项排序。帕累托前沿则用于多目标冲突的场景——比如提高多样性往往牺牲有效性，前沿方法保留所有“无法再提升任何单一指标而不损害其他指标”的解集，让决策者根据偏好从中选择。

一个成功的综合评分体系，能直接指导生成模型的调优方向。比如发现模型综合分低，可以分析分项——是LogP分布偏了，还是SA偏高？据此调整模型的条件约束或目标函数。如同招生办能根据录取结果反推招生策略：扩招哪类特长的学生、调整哪项考核比重，才能组成最优生源结构。

Score=∑kαk⋅Scorek,∑kαk=1\text{Score} = \sum_{k} \alpha_k \cdot \text{Score}_k, \quad \sum_{k} \alpha_k = 1
公式表示对各维度分数加权平均，权重总和为1。权重体现业务偏好：哪些指标不可妥协，哪些指标可以适当让步，全由系数 α 决定。
  1. 加权求和把每个维度的原始分数（QED、SA、LogP等）乘以对应的权重系数 α_k 后加总，得到综合分。
    Score=∑kαk⋅Scorek\text{Score} = \sum_{k} \alpha_k \cdot \text{Score}_k
  2. 权重归一所有权重之和等于1，保证综合分和各维度分在相似量纲上，避免人为放大某项主导。
    ∑kαk=1\sum_{k} \alpha_k = 1
  3. α 可调性α 值不是固定的，由项目目标决定。例如“快速成药”场景提高QED权重，“探索骨架”场景提高多样性权重。
    αk∈[0,1]\alpha_k \in [0, 1]

基准测试方法

最后一步，招生办需要验证这套评估标准本身是否可靠。基准测试（Benchmark）就是给分子生成模型举办的“模拟考”：用统一的数据集、统一的指标、统一的评分流程，检验不同模型的成色。只有经过这样严谨的“同台竞技”，模型之间的优劣之分才真正有说服力。

基准测试方法包含几个关键环节。首先，选定若干个公开的分子数据集作为考题——例如ZINC、ChEMBL中的分子子集，保证考核内容标准化、可复现。接着，确定统一的评估指标集合与计算代码，避免各模型自说自话。然后，在相同条件下运行待测模型并计算各指标。最后，将各模型结果汇总对比，生成基准测试报告，指导后续模型选型与调优。

基准测试的价值在于“去伪存真”。一个只在特定数据集上表现惊艳的模型，经过泛化验证可能原形毕露；而一个稳健的模型，会在多个数据集、多个指标上都稳定靠前。评估因此从“感觉谁更好”变成了“数据证明谁更好”。招生办用历年高考数据验证录取标准——事实证明，综合指标挑选的生源，后来的成才率确实更高。

Rankmodel=sort(⋃m∈modelsScore(m))\text{Rank}_{\text{model}} = \text{sort}\left( \bigcup_{m \in \text{models}} \text{Score}^{(m)} \right)
公式表明：将每个模型在所有评估指标上的得分集合放在一起排序，得到最终排名。关键在于所有模型的评分方式和数据集完全一致，结果才公平。
  1. 每个模型的得分集合每个待测模型m都会生成一组分子，基于这些分子逐一计算各维度的指标分数，形成该模型的得分集合。
    Score(m)\text{Score}^{(m)}
  2. 并集合并把所有模型的得分集合合并到一起，相当于把所有考生的成绩单汇入同一系统。
    ⋃m∈models\bigcup_{m \in \text{models}}
  3. 统一排序按既定规则（如综合分从高到低）对所有模型进行排序，前几名即为综合表现最优模型。
    Rankmodel=sort(⋯ )\text{Rank}_{\text{model}} = \text{sort}(\cdots)

AI 应用场景

药物分子虚拟筛选

阶段：生成后评估与筛选

解决的问题：传统制药公司需要化学家人工评估AI生成的数百万候选分子，单个分子评估耗时数小时，成本极高。引入QED、SA、LogP等自动化评估流水线后，可在数秒内完成全量初筛，将候选中位数从百万级缩小到千级。

具体案例：某AI制药初创公司利用扩散模型生成10万个候选激酶抑制剂分子。流水线先用QED剔除“不像药”的分子，再用SA Score过滤掉难以合成的结构，最后按LogP区间筛选合适脂溶性分子，剩下约500个分子进入精确对接模拟。项目周期从传统的12个月缩短到5个月。

新材料候选物评估

阶段：生成模型的训练与调优

解决的问题：在设计有机光电材料时，生成模型容易陷入“高分低多样性”陷阱——产出大量结构相似的分子。通过将多样性指标接入训练损失函数，模型被迫探索更广阔的化学空间，从而提高找到新型高性能材料的概率。

具体案例：光伏材料研究团队发现，模型生成的5000个候选分子虽然LogP分布和合成评分都合理，但骨架多样性仅0.35。将多样性指标加入强化学习奖励函数后，多样性提升到0.72，同时在其他指标的几乎无损失的前提下，找到了两个前所未有的高效给体材料骨架。

模型选择与发布评估

阶段：模型性能验证与上线决策

解决的问题：多个分子生成模型各有所长，难以判断哪个“整体更好”。通过统一基准测试流程，在同一数据集上跑全套评估指标，得到客观的综合排名，消除靠主观判断导致的选型偏差。

具体案例：某研究团队开发了新的分子生成模型，声称性能超过现有最优模型。第三方评测实验室用ZINC数据集、10项评估指标和统一交叉验证流程做基准测试，发现该模型在性质分布上确实领先，但多样性显著落后，最终结论需加限定条件才能成立，避免了过度宣传。

Python 演示

python60 行
"""分子评估指标演示：计算 QED、SA、LogP 与多样性环境依赖: pip install rdkit"""import mathfrom itertools import combinationsfrom rdkit import Chemfrom rdkit.Chem import Crippen, QED, Descriptorsfrom rdkit.Chem import RDConfigimport os, syssys.path.append(os.path.join(RDConfig.RDContribDir, 'SA_Score'))try:    import sascorerexcept ImportError:    sascorer = None # 候选分子集合(SMILES格式)molecules = [    'c1ccccc1C(=O)O',            # 苯甲酸    'CC(=O)Oc1ccccc1C(=O)O',     # 阿司匹林    'CC(C)Cc1ccc(cc1)C(C)C(=O)O' # 布洛芬] def eval_molecule(mol):    """计算单个分子的QED, LogP, 分子量"""    smi = Chem.MolToSmiles(mol)    qed = QED.qed(mol)    logp = Crippen.MolLogP(mol)    mw = Descriptors.MolWt(mol)    if sascorer is not None:        sa = sascorer.calculateScore(mol)    else:        sa = float('nan')    return {'SMILES': smi, 'QED': round(qed, 3),            'LogP': round(logp, 2), 'MW': round(mw, 1),            'SA': round(sa, 2) if sascorer else 'N/A'} def tanimoto(mol1, mol2):    """计算两个分子的Tanimoto相似度"""    fp1 = Chem.RDKFingerprint(mol1)    fp2 = Chem.RDKFingerprint(mol2)    return 1.0 - len(fp1 & fp2) / max(1.0, len(fp1 | fp2)) def evaluate_diversity(mols):    """计算集合的多样性(1 - 平均Tanimoto)"""    total = 0.0    pairs = 0    for m1, m2 in combinations(mols, 2):        total += tanimoto(m1, m2)        pairs += 1    return 1.0 - total / max(1, pairs) if __name__ == '__main__':    mols = [Chem.MolFromSmiles(s) for s in molecules]    print('=== 单分子评估结果 ===')    for mol in mols:        info = eval_molecule(mol)        print(f"{info['SMILES']:35s} QED={info['QED']} "              f"LogP={info['LogP']} MW={info['MW']} SA={info['SA']}")    print(f"\n分子集合多样性: {evaluate_diversity(mols):.3f}")
目的：展示如何用RDKit计算分子生成模型最常使用的几个评估指标，包括QED药物相似性、LogP脂水分配系数、SA合成难易度和集合多样性，这是评估模型输出质量的核心工具链。
  1. Chem.MolFromSmiles(s)将SMILES字符串解析为RDKit分子对象，这是所有后续计算的起点。
  2. QED.qed(mol)一次性计算QED综合分数，底层聚合了六个子指标的加权贡献。
  3. Crippen.MolLogP(mol)基于原子贡献法快速估算脂水分配系数的对数。
  4. sascorer.calculateScore(mol)调用RDKit自带的SA评分器，返回1~10的合成难度分。
  5. RDKFingerprint(mol)生成分子的拓扑指纹，用于后续Tanimoto相似度计算。
  6. len(fp1 & fp2) / len(fp1 | fp2)指纹交集与并集的比值，就是Tanimoto系数的核心计算。
  7. evaluate_diversity(mols)用所有分子对相似度的补数作为多样性指标，衡量生成集合的覆盖度。

常见误区

误区QED得分高就代表分子质量好，生成模型只需关注QED这一个分数就够了。我在项目里只优化QED，其他指标都不看，生成效果看起来还不错。

正解QED只是“像不像已知药物”的经验打分。一个分子完全可以QED高达0.9，但SA分数快接近10、根本无法合成。就像招生考核只凭外表打分，完全忽视毕业能力。多维度评估才能真实反映分子质量。

为何常见：刚接触分子生成时，最容易上手的指标就是QED，它只有一个数字、代码一行就出来了，容易让人误以为这就是“最终标准”。

误区多样性指标越高说明模型越强，分子生成就应该追求最高可能的多样性分数。我把多样性从0.6优化到0.9，为什么化学家反而说结果不实用？

正解多样性是一个描述集合分布的指标，不是越高越好。极端情况下，完全随机生成的胡烷烃也有高多样性，但毫无药物价值。多样性需要与有效性、性质分布等维度联合评估。像招生办既看学生背景多样，也要保证每个人学术合格。

为何常见：指标本身是一个数值，直觉上认为“分数高=结果好”，忽略了多样性必须在化学合理性的前提下来谈。

误区不管设计什么分子，评估指标都用同一套就行。反正QED、SA这些是“标准评估”，所有项目都适用。

正解不同应用场景的评估重心完全不同。设计共价抑制剂要重点关注反应性基团约束，设计OLED材料要关注带隙与稳定性，评估指标必须按任务定制。比如光电材料设计时完全不需要QED这个“药物相似度”指标，用它只会误导模型优化方向。

为何常见：阅读通用教程后容易形成思维定势，以为评估指标是“放之四海而皆准”的，忽略了指标本身都是面向特定问题的经验拟合。

面试题

Q1. 关于QED指标，下列哪种说法是正确的？

单选题 · easy

  • A.QED取值越大代表分子越容易合成
  • B.QED是分子药物相似性的定量估计，取值0到1← 正确答案
  • C.QED指标可以完全替代SA评估合成难度
  • D.QED只看分子量这一个属性

答案：B。QED通过六个子指标加权得到0~1的药物相似性分数，但它不会评估合成难度，也不能替代SA。B选项准确的描述了QED的定义和范围，其他选项都混淆了指标功能。

Q2. SA Score的取值范围是多少？

单选题 · easy

  • A.0到100的连续分数
  • B.0到1的小数
  • C.1到10的整数和小数← 正确答案
  • D.负无穷到正无穷

答案：C。SA Score通过片段贡献加和与复杂度惩罚，最终映射到1~10区间。1表示极易合成，10表示极难合成，C正确。其他选项都是不同的评分量纲，不符合SA设计。

Q3. LogP主要衡量分子的什么性质？

单选题 · easy

  • A.分子在脂相和水相间的分配能力← 正确答案
  • B.分子的酸碱性强度
  • C.分子量的大小
  • D.分子的电负性

答案：A。LogP定义为分子在正辛醇和水两相间浓度的对数比，衡量的是脂水分配能力，这是药物渗透和溶解性的关键参数。酸碱性用pKa衡量，分子量是MW，电负性是完全不同的概念。

Q4. 多样性指标Div = 1 - 平均Tanimoto相似度，其值越接近1代表什么？

单选题 · mid

  • A.分子间结构差异越大← 正确答案
  • B.分子间结构几乎相同
  • C.所有分子都是同分异构体
  • D.分子总数越来越少

答案：A。1减去平均相似度，表示集合内分子间的平均差异。平均值越小，Div越接近1，说明分子之间的Tanimoto相似度低、骨架差异大，多样性更好。B的含义与Div完全相反。

Q5. 在综合评分体系中，权重系数α满足什么约束？

单选题 · mid

  • A.所有α必须相等
  • B.所有权重之和为1← 正确答案
  • C.每个α必须大于1
  • D.α只能取0或1

答案：B。综合分是各维度分的加权平均，所有权重之和必须归一为1，保证综合分在不同权重方案间可比。α可以不等、可以取任意0到1的值，不需要大于1或相等，B描述正确。

Q6. QED指标的一个主要局限是什么？

单选题 · mid

  • A.计算速度太慢，无法用于大规模筛选
  • B.需要大量实验数据才能计算
  • C.基于已知药物经验设计，可能低估全新骨架分子← 正确答案
  • D.只能处理无机分子

答案：C。QED的优势恰恰是计算快、只需分子结构即可，但它本质上是基于已有药物的回归经验。对于全新骨架、新机制的分子，QED可能给出过低的评分。C正确描述了这一核心局限，其他选项说法错误。

Q7. 生成分子评估中，下列哪些维度属于基准测试的标准维度？

多选题 · mid

  • A.化学有效性← 正确答案
  • B.分子颜色美观度
  • C.性质分布← 正确答案
  • D.多样性← 正确答案

答案：ACD。评估体系三大核心维度是有效性（分子价键合法）、性质分布（目标属性匹配）、多样性（结构覆盖广），因此ACD属于。分子颜色不是分子生成评估的科学衡量维度，B不选。

Q8. 关于SA Score的计算，下列说法正确的有？

多选题 · hard

  • A.将分子拆分为片段，按片段出现频率打分← 正确答案
  • B.频率越高的片段对得分贡献越大
  • C.复杂环系和手性中心会带来额外惩罚分← 正确答案
  • D.得分越高说明分子越容易合成

答案：AC。SA通过分析片段在已知化合物库中的出现频率来估算难度，频率越高的片段越常见、合成越容易，对应更低的分数贡献。复杂结构会追加惩罚分。SA分数越高代表越难而非越容易合成，B和D错误。

Q9. 在分子生成模型中，使用综合评分体系的主要作用是什么？

多选题 · hard

  • A.直接替代化学家的合成实验
  • B.根据各指标得分定位模型短板← 正确答案
  • C.指导模型的条件约束和目标函数设计← 正确答案
  • D.保证所有生成的分子都能进入临床实验

答案：BC。综合评分可将多维度表现聚合，帮助开发者识别是哪项指标拉低了总分，从而针对性地调整生成条件或损失函数。但它不能替代真实合成实验，也不能保证分子通过临床验证，AD错误。

Q10. 在基准测试中，为什么需要所有模型使用统一的数据集和指标实现？

单选题 · hard

  • A.降低计算资源的消耗
  • B.保证对比公平且结果可复现← 正确答案
  • C.让所有模型得分都尽量高
  • D.缩短模型训练时间

答案：B。统一数据集和指标是公平对比的前提，如果各用各的数据很难判断差异是模型能力还是数据差异造成的。可复现性也是基准测试的核心要求，B正确。统一标准不会降低功耗、提高得分或缩短训练，ACD错误。