論文の概要: Accelerating the Generation of Molecular Conformations with Progressive Distillation of Equivariant Latent Diffusion Models

• arxiv url: http://arxiv.org/abs/2404.13491v1
• Date: Sun, 21 Apr 2024 00:04:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 18:40:56.700830
• Title: Accelerating the Generation of Molecular Conformations with Progressive Distillation of Equivariant Latent Diffusion Models
• Title（参考訳）: 等変ラテント拡散モデルの進行蒸留による分子コンフォーム生成の高速化
• Authors: Romain Lacombe, Neal Vaidya,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances in fast sampling methods for diffusion models have demonstrated significant potential to accelerate generation on image modalities. We apply these methods to 3-dimensional molecular conformations by building on the recently introduced GeoLDM equivariant latent diffusion model (Xu et al., 2023). We evaluate trade-offs between speed gains and quality loss, as measured by molecular conformation structural stability. We introduce Equivariant Latent Progressive Distillation, a fast sampling algorithm that preserves geometric equivariance and accelerates generation from latent diffusion models. Our experiments demonstrate up to 7.5x gains in sampling speed with limited degradation in molecular stability. These results suggest this accelerated sampling method has strong potential for high-throughput in silico molecular conformations screening in computational biochemistry, drug discovery, and life sciences applications.
• Abstract（参考訳）: 拡散モデルの高速サンプリング手法の最近の進歩は、画像モダリティの生成を加速する有意義な可能性を示している。 最近導入されたGeoLDM同変潜在拡散モデル(Xu et al , 2023)に基づいて, これらの手法を三次元分子配座に適用する。 分子配座構造安定性を指標として,速度利得と品質損失のトレードオフを評価する。 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。 これらの結果から, この加速サンプリング法は, 計算生化学, 薬物発見, 生命科学への応用において, サイリコ分子配座の高スループット化の可能性が示唆された。

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)
• Chemistry-Inspired Diffusion with Non-Differentiable Guidance [10.573577157257564]
  拡散モデルの最近の進歩は、新しい分子の条件生成に顕著な可能性を示している。 本研究では, 量子化学の領域知識を微分不可能なオラクルとして活用し, 非条件拡散モデルを導出する手法を提案する。 オラクルはニューラルネットワークに頼る代わりに、推定勾配の形で正確なガイダンスを提供し、量子化学によって指定された条件分布から拡散過程をサンプリングすることができる。
  論文  参考訳（メタデータ） (2024-10-09T03:10:21Z)
• Fast Sampling via Discrete Non-Markov Diffusion Models [49.598085130313514]
  離散データ生成のための高速化された逆サンプリングを許容する離散非マルコフ拡散モデルを提案する。 提案手法は, ニューラルネットワークに対する関数評価の回数を大幅に削減し, サンプリング処理を高速化する。
  論文  参考訳（メタデータ） (2023-12-14T18:14:11Z)
• Molecular Conformation Generation via Shifting Scores [21.986775283620883]
  本稿では,分子の崩壊を,分子を構成する原子に増大する力場を鋳造すると見なすことのできる新しい分子コンホメーション生成手法を提案する。 対応する生成モデリングは、実現可能な原子間距離幾何学を保証し、時間可逆性を示す。
  論文  参考訳（メタデータ） (2023-09-12T07:39:43Z)
• Diffusion Sampling with Momentum for Mitigating Divergence Artifacts [10.181486597424486]
  本研究では, 分散アーティファクトの潜在的な原因について検討し, 数値的手法の小さな安定性領域が主な原因である可能性が示唆された。 第1のテクニックは、最適化を改善するためのよく知られたテクニックであるヘビーボール運動量(HB)を、既存の拡散数値法に組み入れて安定性領域を広げることである。 第2のテクニックは、GHVB(Generalized Heavy Ball)と呼ばれ、精度とアーティファクトの抑制のトレードオフを提供する新しい高階法を構築する。
  論文  参考訳（メタデータ） (2023-07-20T14:37:30Z)
• Molecule Design by Latent Space Energy-Based Modeling and Gradual Distribution Shifting [53.44684898432997]
  化学的・生物学的性質が望ましい分子の生成は、薬物発見にとって重要である。 本稿では,分子の結合分布とその特性を捉える確率的生成モデルを提案する。 本手法は種々の分子設計タスクにおいて非常に強力な性能を発揮する。
  論文  参考訳（メタデータ） (2023-06-09T03:04:21Z)
• 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)
• Learning Neural Generative Dynamics for Molecular Conformation Generation [89.03173504444415]
  分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。 分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-02-20T03:17:58Z)

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。