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

• 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)
• Space-Time Bridge-Diffusion [0.5348370085388683]
  実数値分布から独立かつ同一分布(d.d.)の新規な合成サンプルを生成する手法を提案する。 我々の手法の中心は時空間次元にまたがる時空間混合戦略の統合である。 我々は,時空拡散法を数値実験で検証し,より広範な将来の理論と実験の基盤を築き,その方法を完全に認証する。
  論文  参考訳（メタデータ） (2024-02-13T23:26:11Z)
• 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)
• Scaling Riemannian Diffusion Models [68.52820280448991]
  非自明な多様体上の高次元タスクにスケールできることを示す。 我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
  論文  参考訳（メタデータ） (2023-10-30T21:27:53Z)
• Accurate Data-Driven Surrogates of Dynamical Systems for Forward Propagation of Uncertainty [0.0]
  collocation (SC) は、不確実性のための代理モデルを構築するための非侵入的な方法である。 この研究は、解ではなくモデルの力学にSC近似を適用する別のアプローチを示す。 SC-over-dynamics フレームワークは,システム軌道とモデル状態分布の両面において,誤差が小さくなることを示した。
  論文  参考訳（メタデータ） (2023-10-16T21:07:54Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• 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。