論文の概要: Auto-Encoding Molecular Conformations

• arxiv url: http://arxiv.org/abs/2101.01618v1
• Date: Tue, 5 Jan 2021 16:09:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 14:46:57.675645
• Title: Auto-Encoding Molecular Conformations
• Title（参考訳）: 自己エンコーディング分子コンフォメーション
• Authors: Robin Winter, Frank No\'e, Djork-Arn\'e Clevert
• Abstract要約: 提案モデルでは,分子グラフ内の原子の離散的な空間配置を連続的な固定サイズの潜在表現に変換する。 また、我々のモデルを用いて、与えられた分子に対して様々なエネルギー的に好適な配座を生成できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work we introduce an Autoencoder for molecular conformations. Our proposed model converts the discrete spatial arrangements of atoms in a given molecular graph (conformation) into and from a continuous fixed-sized latent representation. We demonstrate that in this latent representation, similar conformations cluster together while distinct conformations split apart. Moreover, by training a probabilistic model on a large dataset of molecular conformations, we demonstrate how our model can be used to generate diverse sets of energetically favorable conformations for a given molecule. Finally, we show that the continuous representation allows us to utilize optimization methods to find molecules that have conformations with favourable spatial properties.
• Abstract（参考訳）: 本稿では,分子コンフォメーションのためのオートエンコーダを提案する。 提案モデルでは,分子グラフ(コンフォーメーション)内の原子の離散的な空間配置を連続的な固定サイズの潜在表現に変換する。 この潜在表現では、類似のコンフォメーションがクラスタ化され、異なるコンフォメーションが分割される。 さらに、分子配座の大きなデータセット上で確率モデルをトレーニングすることにより、我々のモデルが与えられた分子に対して様々なエネルギー的に好適な配座を生成する方法を示す。 最後に, 連続表現により, 最適な空間的性質に適合した分子を見つけるための最適化手法が有効であることを示す。

関連論文リスト

• Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
  Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。 適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
  論文  参考訳（メタデータ） (2024-11-01T12:59:25Z)
• Field-based Molecule Generation [50.124402120798365]
  本稿では,本手法の柔軟性が,一般的なポイントクラウド方式よりも重要な利点をもたらすことを示す。 我々は、薬物の安全性と有効性に欠落した分子特性である光学異性体(エナンチオマー)に取り組む。
  論文  参考訳（メタデータ） (2024-02-24T17:13:58Z)
• Pre-training of Molecular GNNs via Conditional Boltzmann Generator [0.0]
  分子配座のデータセットを用いた分子GNNの事前学習法を提案する。 本モデルは,既存の事前学習法よりも分子特性の予測性能がよいことを示す。
  論文  参考訳（メタデータ） (2023-12-20T15:30:15Z)
• Towards equilibrium molecular conformation generation with GFlowNets [90.29728873459774]
  我々は,GFlowNetを用いて,分子のエネルギーによって決定されるボルツマン分布から小分子の配座をサンプリングする。 我々はGFlowNetがボルツマン分布に比例して分子ポテンシャルエネルギー表面を再現できることを実証した。
  論文  参考訳（メタデータ） (2023-10-20T15:41:50Z)
• Molecular Conformation Generation via Shifting Scores [21.986775283620883]
  本稿では,分子の崩壊を,分子を構成する原子に増大する力場を鋳造すると見なすことのできる新しい分子コンホメーション生成手法を提案する。 対応する生成モデリングは、実現可能な原子間距離幾何学を保証し、時間可逆性を示す。
  論文  参考訳（メタデータ） (2023-09-12T07:39:43Z)
• Molecule Design by Latent Space Energy-Based Modeling and Gradual Distribution Shifting [53.44684898432997]
  化学的・生物学的性質が望ましい分子の生成は、薬物発見にとって重要である。 本稿では,分子の結合分布とその特性を捉える確率的生成モデルを提案する。 本手法は種々の分子設計タスクにおいて非常に強力な性能を発揮する。
  論文  参考訳（メタデータ） (2023-06-09T03:04:21Z)
• MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
  本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。 拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。 我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
  論文  参考訳（メタデータ） (2023-04-28T04:25:57Z)
• Learning Neural Generative Dynamics for Molecular Conformation Generation [89.03173504444415]
  分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。 分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-02-20T03:17:58Z)
• Learning a Continuous Representation of 3D Molecular Structures with Deep Generative Models [0.0]
  生成モデルは、連続的な潜伏空間における分子の表現と最適化を学ぶ全く異なるアプローチである。 原子密度格子を用いた三次元分子構造の深部生成モデルについて述べる。 また、与えられた入力化合物に基づいて多様な分子の集合をサンプリングすることで、有効な薬物様分子の創出の可能性を高めることができる。
  論文  参考訳（メタデータ） (2020-10-17T01:15:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。