論文の概要: On Accelerating Diffusion-based Molecular Conformation Generation in
SE(3)-invariant Space
- arxiv url: http://arxiv.org/abs/2310.04915v2
- Date: Thu, 1 Feb 2024 07:03:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 18:59:15.790664
- Title: On Accelerating Diffusion-based Molecular Conformation Generation in
SE(3)-invariant Space
- Title（参考訳）: se(3)不変空間における拡散促進型分子配座生成について
- Authors: Zihan Zhou, Ruiying Liu and Tianshu Yu
- Abstract要約: 本稿では,SE(3)不変空間における分子配座生成のための新しい加速法を提案する。
提案手法は,従来の手法に比べて50x-100xの高速化で高品質なコンフォメーションを生成することができる。
- 参考スコア（独自算出の注目度）: 11.674072457685007
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion-based generative models in SE(3)-invariant space have demonstrated
promising performance in molecular conformation generation, but typically
require solving stochastic differential equations (SDEs) with thousands of
update steps. Till now, it remains unclear how to effectively accelerate this
procedure explicitly in SE(3)-invariant space, which greatly hinders its wide
application in the real world. In this paper, we systematically study the
diffusion mechanism in SE(3)-invariant space via the lens of approximate errors
induced by existing methods. Thereby, we develop more precise approximate in
SE(3) in the context of projected differential equations. Theoretical analysis
is further provided as well as empirical proof relating hyper-parameters with
such errors. Altogether, we propose a novel acceleration scheme for generating
molecular conformations in SE(3)-invariant space. Experimentally, our scheme
can generate high-quality conformations with 50x--100x speedup compared to
existing methods.
- Abstract（参考訳）: SE(3)不変空間における拡散に基づく生成モデルは、分子配座生成において有望な性能を示すが、通常は数千の更新ステップで確率微分方程式(SDE)を解く必要がある。
いまだに、この手順をSE(3)不変空間においていかに効果的に加速するかは定かではない。
本稿では,SE(3)不変空間における拡散機構を,既存手法による近似誤差のレンズを用いて系統的に研究する。
これにより、射影微分方程式の文脈において、より精密なse(3)近似を開発することができる。
理論解析はまた、超パラメータとそのような誤りに関する経験的証明も提供される。
また,SE(3)不変空間における分子配座生成のための新しい加速法を提案する。
実験により,既存の手法と比較して50x-100xの高速化で高品質なコンフォメーションを生成することができる。
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) - Structure Language Models for Protein Conformation Generation [66.42864253026053]
伝統的な物理学に基づくシミュレーション手法は、しばしばサンプリング平衡整合に苦しむ。
深い生成モデルは、より効率的な代替としてタンパク質のコンホメーションを生成することを約束している。
本稿では,効率的なタンパク質コンホメーション生成のための新しいフレームワークとして構造言語モデリングを紹介する。
論文 参考訳（メタデータ） (2024-10-24T03:38:51Z) - Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。
既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。
本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文 参考訳（メタデータ） (2024-10-16T20:36:41Z) - Accelerating the Generation of Molecular Conformations with Progressive Distillation of Equivariant Latent Diffusion Models [0.0]
等変ラテントプログレッシブ蒸留(Equivariant Latent Progressive Distillation)は, 幾何等分散を保ち, 潜時拡散モデルから生成を加速する高速サンプリングアルゴリズムである。
分子安定性の低下を抑えながらサンプリング速度を7.5倍に向上させる実験を行った。
論文 参考訳（メタデータ） (2024-04-21T00:04:38Z) - On Diffusion Process in SE(3)-invariant Space [9.508278843547533]
SE(3)-不変性は自然に点間距離多様体によって特徴づけられる。
しかし、非自明な幾何学のため、そのような SE(3)-不変空間内の拡散機構の包括的理解はいまだに欠けている。
そこで我々は,高精度かつプロジェクションフリーな拡散SDEとODEを提案する。
論文 参考訳（メタデータ） (2024-03-03T07:56:55Z) - Three Lagrangians for the complete-active space coupled-cluster method [0.0]
完全能動空間結合クラスタ法(CASCC)の3つの完全変分式を導出した。
行列積状態のモデルベクトルについて考察し、現在の変分定式化は結合クラスタ計算を好ましくスケーリングすることができると論じている。
論文 参考訳（メタデータ） (2022-05-18T08:45:37Z) - 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) - 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)
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。