論文の概要: Modular Flows: Differential Molecular Generation

• arxiv url: http://arxiv.org/abs/2210.06032v2
• Date: Thu, 13 Oct 2022 08:15:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 11:37:36.933083
• Title: Modular Flows: Differential Molecular Generation
• Title（参考訳）: モジュールフロー:差分分子生成
• Authors: Yogesh Verma, Samuel Kaski, Markus Heinonen and Vikas Garg
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 18.41106104201439
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating new molecules is fundamental to advancing critical applications such as drug discovery and material synthesis. Flows can generate molecules effectively by inverting the encoding process, however, existing flow models either require artifactual dequantization or specific node/edge orderings, lack desiderata such as permutation invariance, or induce discrepancy between the encoding and the decoding steps that necessitates post hoc validity correction. We circumvent these issues with novel continuous normalizing E(3)-equivariant flows, based on a system of node ODEs coupled as a graph PDE, that repeatedly reconcile locally toward globally aligned densities. Our models can be cast as message-passing temporal networks, and result in superlative performance on the tasks of density estimation and molecular generation. In particular, our generated samples achieve state-of-the-art on both the standard QM9 and ZINC250K benchmarks.
• Abstract（参考訳）: 新規分子の生成は、薬物発見や物質合成といった重要な応用を進めるための基礎となる。 流れは、符号化過程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が、既存の流れモデルでは、人工的な復号化や特定のノード/エッジの順序付けを必要とし、置換不変性のようなデシラタが欠如している。 我々はこれらの問題を,グラフPDEとして結合されたノードODEのシステムに基づく,新しい連続正規化E(3)-同変フローで回避し,局所的にグローバルに整合した密度に向かって繰り返し調整する。 我々のモデルはメッセージ・パス・テンポラリ・ネットワークとしてキャストでき、密度推定と分子生成のタスクで最高の性能が得られる。 特に,我々の生成したサンプルは,標準QM9とZINC250Kベンチマークの両方で最先端を達成している。

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)
• Alignment is Key for Applying Diffusion Models to Retrosynthesis [24.912841472542322]
  拡散モデル(diffusion model)は、保温後の条件付けと、生成時の速度品質のトレードオフを可能にする、有望なモデリングアプローチである。 数学的には、置換同変デノイザはグラフ拡散モデルの表現性を著しく制限し、したがってそれらの逆合成への適応性を示す。 我々の新しいデノイザは、USPTO-50k上のテンプレートフリーおよびテンプレートベースのメソッドで最高1$の精度(54.7$%)を達成する。
  論文  参考訳（メタデータ） (2024-05-27T20:57:19Z)
• Leveraging Side Information for Ligand Conformation Generation using Diffusion-Based Approaches [12.71967232020327]
  リガンド分子コンホメーション生成は、薬物発見において重要な課題である。 この問題を解決するためにディープラーニングモデルが開発されている。 これらのモデルはしばしば、本質的な側情報がないため、意味のある構造やランダム性を欠いたコンフォメーションを生成する。
  論文  参考訳（メタデータ） (2023-08-02T09:56:47Z)
• Semi-Equivariant Continuous Normalizing Flows for Target-Aware Molecule Generation [14.182657807324999]
  本研究では,対象分子の条件生成モデルを学習するためのアルゴリズムを提案する。 結合したい受容体分子が与えられたとき、条件付きモデルはそれに結合する可能性のある候補リガンド分子を生成する。 提案手法をCrossDocked 2020データセット上で評価し,競合する手法に対する結合親和性を大幅に改善した。
  論文  参考訳（メタデータ） (2022-11-09T09:16:39Z)
• A Score-based Geometric Model for Molecular Dynamics Simulations [33.158796937777886]
  分子配座のログ密度の勾配を推定する新しいモデルScoreMDを提案する。 複数のアーキテクチャの改善により、MD17とC7O2H10の異性体において最先端のベースラインよりも優れています。 この研究は、新しい物質の加速と薬物発見に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2022-04-19T05:13:46Z)
• 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)
• Score-based Generative Modeling of Graphs via the System of Stochastic Differential Equations [57.15855198512551]
  本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。 本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
  論文  参考訳（メタデータ） (2022-02-05T08:21:04Z)
• 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)
• E(n) Equivariant Normalizing Flows for Molecule Generation in 3D [87.12477361140716]
  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。
  論文  参考訳（メタデータ） (2021-05-19T09:28:54Z)
• Learning Likelihoods with Conditional Normalizing Flows [54.60456010771409]
  条件正規化フロー(CNF)はサンプリングと推論において効率的である。 出力空間写像に対する基底密度が入力 x 上で条件づけられた CNF について、条件密度 p(y|x) をモデル化する。
  論文  参考訳（メタデータ） (2019-11-29T19:17:58Z)

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。