预测回答“这个分子怎么样”，生成回答“好分子从哪里来”。答案出乎意料地朴素：把搭建分子看成逐原子做决策的过程，再让算法学会这套决策。强化学习与流模型，是训练这套决策的两条技术路线，分别凝结为 GCPN 与 GraphAF 两个模型。
TorchDrug 本身已在 2022 年前后停止更新，但它对这两个模型的教学级实现至今仍是入门分子生成最好的材料。本章讲的是不过时的原理；至于如何迁移到活跃的生态，留给 5.1 节交代。
4.1
分子生成：问题定义与评估体系
分布学习与目标导向两大范式；有效性、唯一性、新颖性与 FCD 距离。
4.2
逐原子长大：自回归图生成的一般框架
生成即动作序列；原子、成键与终止动作；与文本生成的异同。
4.3
策略梯度：强化学习的最小必需数学
马尔可夫决策过程；期望回报与策略梯度定理的完整推导。
4.4
GCPN：把生成当作图上的序贯决策
状态、动作与奖励的设计；图卷积策略网络；中间奖励与课程学习。
4.5
流模型：变量替换与雅可比行列式
可逆变换下的分布变换公式；雅可比行列式的角色；精确似然的代价。
4.6
GraphAF：自回归流的分子生成
掩码流与逐原子的条件分布；预训练—微调范式；与 GCPN 的对比。
4.7
走向前沿：扩散模型、三维生成与基础模型
扩散过程的直觉；等变网络与三维生成；大规模预训练基础模型的走向。