論文の概要: Equivariant Flow Matching with Hybrid Probability Transport

• arxiv url: http://arxiv.org/abs/2312.07168v1
• Date: Tue, 12 Dec 2023 11:13:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 16:24:57.449994
• Title: Equivariant Flow Matching with Hybrid Probability Transport
• Title（参考訳）: ハイブリッド確率輸送を用いた等変流マッチング
• Authors: Yuxuan Song, Jingjing Gong, Minkai Xu, Ziyao Cao, Yanyan Lan, Stefano Ermon, Hao Zhou, Wei-Ying Ma
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 69.11915545210393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The generation of 3D molecules requires simultaneously deciding the categorical features~(atom types) and continuous features~(atom coordinates). Deep generative models, especially Diffusion Models (DMs), have demonstrated effectiveness in generating feature-rich geometries. However, existing DMs typically suffer from unstable probability dynamics with inefficient sampling speed. In this paper, we introduce geometric flow matching, which enjoys the advantages of both equivariant modeling and stabilized probability dynamics. More specifically, we propose a hybrid probability path where the coordinates probability path is regularized by an equivariant optimal transport, and the information between different modalities is aligned. Experimentally, the proposed method could consistently achieve better performance on multiple molecule generation benchmarks with 4.75$\times$ speed up of sampling on average.
• Abstract（参考訳）: 3d分子の生成には、カテゴリー的特徴(原子型)と連続的特徴(原子座標)を同時に決定する必要がある。 深層生成モデル、特に拡散モデル(dms)は、特徴豊富な幾何学の生成に有効性を示している。 しかし、既存のDMは非効率サンプリング速度の不安定な確率力学に悩まされる。 本稿では,同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学的フローマッチングを提案する。 より具体的には、座標確率経路を同変最適輸送によって定式化し、異なるモダリティ間の情報を整列するハイブリッド確率経路を提案する。 実験により, 提案手法は, 平均サンプリング速度が4.75$\times$ の複数の分子生成ベンチマークにおいて, 常に良好な性能を実現することができた。

関連論文リスト

• Inferring Parameter Distributions in Heterogeneous Motile Particle Ensembles: A Likelihood Approach for Second Order Langevin Models [0.8274836883472768]
  実験によって得られた時間離散軌道データから,動作パターンを理解し,予測するために推論手法が必要である。 非線形二階ランゲヴィンモデルの確率を近似する新しい手法を提案する。 これにより、アクティブに駆動されたエンティティのための動的モデルの体系的、データ駆動推論の道を開いた。
  論文  参考訳（メタデータ） (2024-11-13T15:27:02Z)
• 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)
• Discrete Flow Matching [74.04153927689313]
  本稿では,離散データ生成に特化して設計された新しい離散フローパラダイムを提案する。 我々のアプローチは、非自己回帰的な方法で高品質な離散データを生成することができる。
  論文  参考訳（メタデータ） (2024-07-22T12:33:27Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Unified Generative Modeling of 3D Molecules via Bayesian Flow Networks [19.351562908683334]
  GeoBFNは、分布の微分可能なパラメータ空間における様々なモジュラリティをモデル化することによって、分子幾何学に自然に適合する。 我々はGeoBFNが生成品質の観点から,複数の3次元分子生成ベンチマークにおける最先端性能を実現することを実証した。 GeoBFNはまた、効率と品質の最適なトレードオフに到達するために、任意のステップでサンプリングを行うこともできる。
  論文  参考訳（メタデータ） (2024-03-17T08:40:06Z)
• SE(3) Equivariant Augmented Coupling Flows [16.65770540017618]
  正規化フローの結合は、高速なサンプリングと密度評価を可能にする。 標準カップリングアーキテクチャは、原子のカルテシアン座標で動く供給フローを妨げている。
  論文  参考訳（メタデータ） (2023-08-20T20:49:15Z)
• Equivariant flow matching [0.9208007322096533]
  等変連続正規化流(CNF)の新しい訓練目標である等変フローマッチングを導入する。 等変流マッチングは、標的エネルギーの物理対称性を利用して、同変CNFの効率的でシミュレーションなしな訓練を行う。 この結果から,同変フローマッチングの対象は,従来の手法に比べて,より短い積分経路,サンプリング効率の向上,スケーラビリティの向上を図っている。
  論文  参考訳（メタデータ） (2023-06-26T19:40:10Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• 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)

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。