Universidad Autónoma de Madrid

该工作针对半线性反应扩散模型问题，用基于一阶差商快照的 POD 降阶模型配合 BDF-q（1≤q≤5）时间积分，借助 G-稳定性分析证明了时间方向 q 阶最优收敛率，并在 Brusselator 扩散系统的数值实验中观测到与理论一致的收敛斜率。

该工作针对半线性反应扩散模型问题，用基于一阶差商快照的 POD 降阶模型配合 BDF-q（1≤q≤5）时间积分，借助 G-稳定性分析证明了时间方向 q 阶最优收敛率，并在 Brusselator 扩散系统的数值实验中观测到与理论一致的收敛斜率。

该工作提出 PockLigGPT，一个以蛋白质口袋氨基酸序列为条件、基于 GPT 的配体分子生成框架，采用四阶段训练（ZINC20 化学预训练、ChEMBL 生物活性适配、口袋序列条件微调、基于 AutoDock Vina 奖励的口袋特异性对接引导强化学习），在标准化评测协议下取得有竞争力的对接导向表现，同时保持化学合理性与基于 Lipinski 的类药性，并在阿尔茨海默病相关靶点的对接研究与 token 级分析中显示出实用性。

该工作提出 PockLigGPT，一个以蛋白质口袋氨基酸序列为条件、基于 GPT 的配体分子生成框架，采用四阶段训练（ZINC20 化学预训练、ChEMBL 生物活性适配、口袋序列条件微调、基于 AutoDock Vina 奖励的口袋特异性对接引导强化学习），在标准化评测协议下取得有竞争力的对接导向表现，同时保持化学合理性与基于 Lipinski 的类药性，并在阿尔茨海默病相关靶点的对接研究与 token 级分析中显示出实用性。