SELFIES 入门：为什么它比 SMILES 更适合分子生成

SELFIES（SELF-referencIng Embedded Strings）是一种分子字符串表示，最大特点是：任意 SELFIES 字符串都对应一个化学上合法的分子。这在分子生成任务里非常关键。

它解决了 SMILES 的什么痛点

• SMILES 不鲁棒：生成模型随机产生的 SMILES 经常语法非法（括号/环不闭合、价键错误），导致大量无效输出。
• SELFIES 永远合法：其语法内建了化学约束，模型生成的每个串都能解码成有效分子，提升有效率。

什么时候用它

• 分子生成 / VAE / 强化学习：用 SELFIES 可省去「过滤无效分子」的麻烦。
• 常规建模：判别式任务（性质预测）通常仍用 SMILES + 指纹/图，SELFIES 优势不明显。
• 可用官方库在 SMILES 与 SELFIES 间互转，按需切换。

延伸资源

• 源码：github.com/aspuru-guzik-group/selfies
• 配套阅读：「AI 模型」模块的分子生成（VAE / 扩散）相关文章。