論文の概要: MiDi: Mixed Graph and 3D Denoising Diffusion for Molecule Generation
- arxiv url: http://arxiv.org/abs/2302.09048v1
- Date: Fri, 17 Feb 2023 18:27:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-20 13:48:29.664259
- Title: MiDi: Mixed Graph and 3D Denoising Diffusion for Molecule Generation
- Title（参考訳）: midi:分子生成のための混合グラフと3次元分極拡散
- Authors: Clement Vignac, Nagham Osman, Laura Toni, Pascal Frossard
- Abstract要約: この研究は、分子グラフと対応する3次元コンフォメータを共同生成する拡散モデルであるMiDiを導入する。
複雑なGEOM-DRUGSデータセットでは、3Dモデルよりもはるかに優れた分子グラフを生成する。
私たちのコードはatvignac.com/cvignac/MiDiで利用可能です。
- 参考スコア（独自算出の注目度）: 47.15291538945242
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work introduces MiDi, a diffusion model for jointly generating molecular
graphs and corresponding 3D conformers. In contrast to existing models, which
derive molecular bonds from the conformation using predefined rules, MiDi
streamlines the molecule generation process with an end-to-end differentiable
model. Experimental results demonstrate the benefits of this approach: on the
complex GEOM-DRUGS dataset, our model generates significantly better molecular
graphs than 3D-based models and even surpasses specialized algorithms that
directly optimize the bond orders for validity. Our code is available at
github.com/cvignac/MiDi.
- Abstract（参考訳）: 分子グラフとそれに対応する3次元コンフォメータを共同生成する拡散モデルであるMiDiを導入する。
既定規則を用いて配座から分子結合を導出する既存のモデルとは対照的に、midiは分子生成プロセスをエンドツーエンドの微分可能モデルで合理化する。
複雑なGEOM-DRUGSデータセット上で、我々のモデルは3次元モデルよりもはるかに優れた分子グラフを生成し、ボンドオーダーを直接効率よく最適化するアルゴリズムを超越している。
私たちのコードはgithub.com/cvignac/MiDiで利用可能です。
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) - E3STO: Orbital Inspired SE(3)-Equivariant Molecular Representation for Electron Density Prediction [0.0]
Slater-Type Orbitals (STO) からインスピレーションを得た新しいSE(3)-equivariantアーキテクチャを提案する。
我々のアプローチは、学習された軌道のような分子表現に代替的な機能形式を提供する。
分子電子密度のSOTA予測精度を他の分子動力学データよりも30～70%向上させることにより,本手法の有効性を示す。
論文 参考訳（メタデータ） (2024-10-08T15:20:33Z) - Lift Your Molecules: Molecular Graph Generation in Latent Euclidean Space [46.11163798008912]
3次元分子生成モデルを用いた新しい分子グラフ生成フレームワークを提案する。
分子グラフを合成コンホメータ座標によりユークリッド点雲にマッピングし,E(n)-等変グラフニューラルネットワーク(EGNN)を用いて逆写像を学習する。
誘導点雲構造潜在空間は既存の3次元分子生成モデルを適用するのに適している。
論文 参考訳（メタデータ） (2024-06-15T05:29:07Z) - Learning Joint 2D & 3D Diffusion Models for Complete Molecule Generation [32.66694406638287]
本研究では, 原子型, 正式な電荷, 結合情報, および3次元座標を持つ分子を生成する結合2Dおよび3D拡散モデル(JODO)を提案する。
我々のモデルは、単一または複数の量子特性をターゲットにした逆分子設計のために拡張することもできる。
論文 参考訳（メタデータ） (2023-05-21T04:49:53Z) - 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) - Geometry-Complete Diffusion for 3D Molecule Generation and Optimization [3.8366697175402225]
3次元分子生成のための幾何-完全拡散モデル(GCDM)を導入する。
GCDMは、既存の3次元分子拡散モデルよりも条件および非条件設定間で大きなマージンで優れている。
また、GCDMの幾何学的特徴は、既存の3次元分子の幾何学的および化学組成を一貫して最適化するために再利用可能であることも示している。
論文 参考訳（メタデータ） (2023-02-08T20:01:51Z) - 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) - 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)
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。