本研究研究了在分子生成建模中纳入立体化学信息和计算药物发现和材料设计的关键方面的影响。我们使用遗传算法和基于增强学习的技术进行了立体化学感知和常规立体化学 - 基于弦的生成方法的全面比较。为了评估这些模型,我们介绍了专门设计的新型基准,以评估立体化学感知的生成建模的重要性。我们的结果表明,立体化学感知模型通常在各种立体化学敏感任务上与常规算法相同或超越常规算法。但是,我们还观察到,在立体化学作用不太关键的情况下,立体化学感知模型可能会由于必须导航的化学空间的复杂性增加而面临挑战。这项工作为将立体化学信息纳入分子生成模型中所涉及的权衡提供了见解,并为根据特定的应用要求提供了选择适当方法的指导。