論文の概要: E(n) Equivariant Normalizing Flows for Molecule Generation in 3D
- arxiv url: http://arxiv.org/abs/2105.09016v1
- Date: Wed, 19 May 2021 09:28:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-20 13:56:42.486843
- Title: E(n) Equivariant Normalizing Flows for Molecule Generation in 3D
- Title（参考訳）: 3次元における分子生成のためのE(n)同変正規化流れ
- Authors: Victor Garcia Satorras, Emiel Hoogeboom, Fabian B. Fuchs, Ingmar
Posner, Max Welling
- Abstract要約: 本稿ではユークリッド対称性に同値な生成モデルを紹介する: E(n) 等変正規化フロー(E-NFs)
私たちの知る限りでは、これは3Dで分子を生成する可能性に基づく最初の深層生成モデルである。
- 参考スコア（独自算出の注目度）: 87.12477361140716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces a generative model equivariant to Euclidean symmetries:
E(n) Equivariant Normalizing Flows (E-NFs). To construct E-NFs, we take the
discriminative E(n) graph neural networks and integrate them as a differential
equation to obtain an invertible equivariant function: a continuous-time
normalizing flow. We demonstrate that E-NFs considerably outperform baselines
and existing methods from the literature on particle systems such as DW4 and
LJ13, and on molecules from QM9 in terms of log-likelihood. To the best of our
knowledge, this is the first likelihood-based deep generative model that
generates molecules in 3D.
- Abstract（参考訳）: 本稿ではユークリッド対称性に同値な生成モデルを提案する: E(n) 等変正規化フロー(E-NFs)。
E-NFsを構築するために、識別可能なE(n)グラフニューラルネットワークを微分方程式として統合し、可逆同変関数:連続時間正規化フローを得る。
E-NFsはDW4やLJ13などの粒子系、およびQM9の分子のログライクな構造において、ベースラインや既存手法よりもかなり優れていた。
私たちの知る限りでは、これは3Dで分子を生成する可能性に基づく最初の深層生成モデルである。
関連論文リスト
- Iterated Energy-based Flow Matching for Sampling from Boltzmann Densities [11.850515912491657]
非正規化密度から連続正規化フロー(CNF)モデルをトレーニングするための反復エネルギーベースフローマッチング(iEFM)を提案する。
以上の結果から,iEFMは既存の手法よりも優れており,効率的でスケーラブルな確率的モデリングの可能性を示している。
論文 参考訳（メタデータ） (2024-08-29T04:06:34Z) - Equivariant Flow Matching with Hybrid Probability Transport [69.11915545210393]
拡散モデル (DM) は, 特徴量の多いジオメトリの生成に有効であることを示した。
DMは通常、非効率なサンプリング速度を持つ不安定な確率力学に悩まされる。
等変モデリングと安定化確率力学の両方の利点を享受する幾何フローマッチングを導入する。
論文 参考訳（メタデータ） (2023-12-12T11:13:13Z) - Third quantization of open quantum systems: new dissipative symmetries
and connections to phase-space and Keldysh field theory formulations [77.34726150561087]
3つの方法全てを明示的に接続する方法で第3量子化の手法を再構成する。
まず、我々の定式化は、すべての二次ボゾンあるいはフェルミオンリンドブラディアンに存在する基本散逸対称性を明らかにする。
ボソンに対して、ウィグナー関数と特徴関数は密度行列の「波動関数」と考えることができる。
論文 参考訳（メタデータ） (2023-02-27T18:56:40Z) - Modular Flows: Differential Molecular Generation [18.41106104201439]
フローは、エンコーディングプロセスを反転させることで、分子を効果的に生成することができる。
既存のフローモデルでは、アーチファクトのデクタンス化や特定のノード/エッジの順序付けが必要となる。
我々はノードODEとグラフPDEのシステムに基づく連続正規化E(3)-同変フローを開発する。
我々のモデルは、メッセージパッシング時間ネットワークとしてキャストすることができ、その結果、密度推定と分子生成のタスクにおいて最上位のパフォーマンスが得られる。
論文 参考訳（メタデータ） (2022-10-12T09:08:35Z) - Equivariant Diffusion for Molecule Generation in 3D [74.289191525633]
この研究は、ユークリッド変換に同値な3次元の分子計算生成のための拡散モデルを導入する。
提案手法は, 従来の3次元分子生成法に比べて, 生成した試料の品質と訓練時の効率を著しく向上させる。
論文 参考訳（メタデータ） (2022-03-31T12:52:25Z) - GeoDiff: a Geometric Diffusion Model for Molecular Conformation
Generation [102.85440102147267]
分子配座予測のための新しい生成モデルGeoDiffを提案する。
GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
論文 参考訳（メタデータ） (2022-03-06T09:47:01Z) - Normalizing Field Flows: Solving forward and inverse stochastic
differential equations using Physics-Informed flow model [8.455584500599807]
本研究では,散乱測定からランダム場を学習する場流の正規化(NFF)について紹介する。
我々は、非ガウス過程、混合ガウス過程、前方および逆偏微分方程式を学習するためのNFFモデルの有効性を実証する。
論文 参考訳（メタデータ） (2021-08-30T01:58:01Z) - Moser Flow: Divergence-based Generative Modeling on Manifolds [49.04974733536027]
Moser Flow (MF) は連続正規化フロー(CNF)ファミリーにおける新しい生成モデルのクラスである
MFは、訓練中にODEソルバを介して呼び出しやバックプロパゲートを必要としない。
一般曲面からのサンプリングにおけるフローモデルの利用を初めて実演する。
論文 参考訳（メタデータ） (2021-08-18T09:00:24Z)
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。