論文の概要: An End-to-End Framework for Molecular Conformation Generation via Bilevel Programming

• arxiv url: http://arxiv.org/abs/2105.07246v1
• Date: Sat, 15 May 2021 15:22:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 09:18:11.325433
• Title: An End-to-End Framework for Molecular Conformation Generation via Bilevel Programming
• Title（参考訳）: 両レベルプログラミングによる分子変換生成のためのエンドツーエンドフレームワーク
• Authors: Minkai Xu, Wujie Wang, Shitong Luo, Chence Shi, Yoshua Bengio, Rafael Gomez-Bombarelli, Jian Tang
• Abstract要約: 分子コンフォメーション予測のためのエンドツーエンドソリューションであるconfvaeを提案する。 具体的には、まず分子グラフを潜時空間に符号化し、3次元構造は原理化された二段階最適化プログラムを解くことによって生成される。
• 参考スコア（独自算出の注目度）: 71.82571553927619
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting molecular conformations (or 3D structures) from molecular graphs is a fundamental problem in many applications. Most existing approaches are usually divided into two steps by first predicting the distances between atoms and then generating a 3D structure through optimizing a distance geometry problem. However, the distances predicted with such two-stage approaches may not be able to consistently preserve the geometry of local atomic neighborhoods, making the generated structures unsatisfying. In this paper, we propose an end-to-end solution for molecular conformation prediction called ConfVAE based on the conditional variational autoencoder framework. Specifically, the molecular graph is first encoded in a latent space, and then the 3D structures are generated by solving a principled bilevel optimization program. Extensive experiments on several benchmark data sets prove the effectiveness of our proposed approach over existing state-of-the-art approaches.
• Abstract（参考訳）: 分子グラフから分子コンフォメーション(または3d構造)を予測することは、多くの応用において根本的な問題である。 ほとんどの既存のアプローチは、まず原子間の距離を予測し、それから距離幾何問題を最適化して3d構造を生成することで、通常2つのステップに分けられる。 しかし、これらの2段階のアプローチで予測される距離は、局所原子近傍の幾何学を一貫して保存することはできず、生成した構造が満足できない。 本稿では,条件付き変分オートエンコーダフレームワークに基づくConfVAEと呼ばれる分子配座予測のためのエンドツーエンドソリューションを提案する。 具体的には、まず分子グラフを潜時空間に符号化し、3次元構造は原理化された二段階最適化プログラムを解くことによって生成される。 いくつかのベンチマークデータセットに対する大規模な実験により、既存の最先端アプローチに対する提案手法の有効性が証明された。

関連論文リスト

• Equivariant Blurring Diffusion for Hierarchical Molecular Conformer Generation [18.394348744611662]
  Equivariant Blurring Diffusion (EBD) と呼ばれる新しい生成モデルを導入する。 EBDは、コンフォーマーの微細な原子の詳細をぼかすことによって、断片レベルの粗い粒状構造に向かって進む前進過程を定義する。 薬物様分子のベンチマークにおいて, 最先端デノナイジング拡散モデルとの幾何的および化学的比較によるEBDの有効性を実証した。
  論文  参考訳（メタデータ） (2024-10-26T19:17:31Z)
• Diffusion-Driven Generative Framework for Molecular Conformation Prediction [0.66567375919026]
  機械学習の急速な進歩は、この文脈における予測モデリングの精度に革命をもたらした。 本研究は,最先端な生成手法を提案する。 メソッドは原子を独立した実体とみなし、拡散の逆転を導くのに優れている。
  論文  参考訳（メタデータ） (2023-12-22T11:49:39Z)
• Automated 3D Pre-Training for Molecular Property Prediction [54.15788181794094]
  新たな3D事前学習フレームワーク(3D PGT)を提案する。 3D分子グラフのモデルを事前訓練し、3D構造のない分子グラフに微調整する。 提案した3次元PGTの精度, 効率, 一般化能力を示すために, 2次元分子グラフの大規模実験を行った。
  論文  参考訳（メタデータ） (2023-06-13T14:43:13Z)
• Direct Molecular Conformation Generation [217.4815525740703]
  本稿では,原子の座標を直接予測する手法を提案する。 提案手法は,4つの公開ベンチマークの最先端結果を実現する。
  論文  参考訳（メタデータ） (2022-02-03T01:01:58Z)
• Equivalent Distance Geometry Error for Molecular Conformation Comparison [26.331322944298208]
  コンフォメーション間の差分差を計算するために,等価距離幾何学誤差(EDGE)を提案する。 本手法の改良版では, 3ホップ内における原子対距離の線形変換を最小化する。
  論文  参考訳（メタデータ） (2021-11-13T09:04:55Z)
• Geometric Transformer for End-to-End Molecule Properties Prediction [92.28929858529679]
  分子特性予測のためのトランスフォーマーに基づくアーキテクチャを導入し,分子の形状を捉える。 分子幾何学の初期符号化による古典的な位置エンコーダと、学習されたゲート自己保持機構を改変する。
  論文  参考訳（メタデータ） (2021-10-26T14:14:40Z)
• GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
  分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。 既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。 エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
  論文  参考訳（メタデータ） (2021-06-08T14:17:59Z)
• Learning Gradient Fields for Molecular Conformation Generation [20.378300112998637]
  分子コンフォーメーション生成という計算化学の根本的な問題について研究する。 既存の機械学習アプローチは通常、原子間の距離を予測してから、距離を満たす3D構造を生成します。 本稿では,原子座標のログ密度の勾配場を直接推定し,ConfGFという新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-09T10:30:35Z)
• Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
  Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。 提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-06-15T09:15:54Z)

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。