本論文では、シンボリック学習とニューラル推論を統合したハイブリッドな神経シンボリックモデルに基づくデータ生成器「シンボリックニューラルジェネレーター（SNG）」を提案しています。SNGは、限られたデータから論理的仕様を検討し、それに基づいて条件情報を制約し、指定に違反するインスタンスを排除します。出力は、生成された新しいインスタンスの集合と、それに関連する重みを含む三つ組で構成されます。論文では、SNGが医薬品設計の初期ステージにおける潜在的な阻害分子の生成に対して評価されていることを示し、既存の先端方法と比較して競争力のある結果が得られていることを報告しています。特に、シンボリック仕様が生成分子の合成と実験的テストの前段階フィルターとして有用であることが実証されています。