論文の概要: ET-Flow: Equivariant Flow-Matching for Molecular Conformer Generation
- arxiv url: http://arxiv.org/abs/2410.22388v1
- Date: Tue, 29 Oct 2024 16:44:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-31 14:26:26.681843
- Title: ET-Flow: Equivariant Flow-Matching for Molecular Conformer Generation
- Title（参考訳）: ET-Flow:分子コンバータ生成のための等価フローマッチング
- Authors: Majdi Hassan, Nikhil Shenoy, Jungyoon Lee, Hannes Stark, Stephan Thaler, Dominique Beaini,
- Abstract要約: 低エネルギー分子配座の予測にET-Flow(Equivariant Transformer Flow)を導入する。
提案手法は,最小限の仮定で全原子座標を演算する,単純でスケーラブルな手法である。
ET-Flowは、より軽量で推論の速いモデルでありながら、生成したコンバータの精度と物理的妥当性を著しく向上させる。
- 参考スコア（独自算出の注目度）: 3.4146914514730633
- License:
- Abstract: Predicting low-energy molecular conformations given a molecular graph is an important but challenging task in computational drug discovery. Existing state-of-the-art approaches either resort to large scale transformer-based models that diffuse over conformer fields, or use computationally expensive methods to generate initial structures and diffuse over torsion angles. In this work, we introduce Equivariant Transformer Flow (ET-Flow). We showcase that a well-designed flow matching approach with equivariance and harmonic prior alleviates the need for complex internal geometry calculations and large architectures, contrary to the prevailing methods in the field. Our approach results in a straightforward and scalable method that directly operates on all-atom coordinates with minimal assumptions. With the advantages of equivariance and flow matching, ET-Flow significantly increases the precision and physical validity of the generated conformers, while being a lighter model and faster at inference. Code is available https://github.com/shenoynikhil/ETFlow.
- Abstract（参考訳）: 分子グラフが与えられた低エネルギー分子配座を予測することは、計算薬物発見において重要であるが難しい課題である。
既存の最先端のアプローチは、コンフォーマー場に拡散する大規模なトランスフォーマーベースのモデルを利用するか、計算に高価な手法を使って初期構造を生成し、ねじれ角を拡散する。
本稿では,Equivariant Transformer Flow (ET-Flow)を紹介する。
等価性と調和性を持つフローマッチング手法により、複雑な内部幾何計算や大規模アーキテクチャの必要性が軽減され、この分野の一般的な手法に反することを示す。
提案手法は,最小限の仮定で全原子座標を直接操作する,単純でスケーラブルな手法である。
等分散とフローマッチングの利点により、ET-Flowはより軽量で推論の速いモデルでありながら、生成したコンバータの精度と物理的妥当性を著しく向上させる。
コードはhttps://github.com/shenoynikhil/ETFlow.comで入手できる。
関連論文リスト
- Text-Guided Multi-Property Molecular Optimization with a Diffusion Language Model [77.50732023411811]
変換器を用いた拡散言語モデル(TransDLM)を用いたテキスト誘導多目的分子最適化手法を提案する。
TransDLMは標準化された化学命名法を分子の意味表現として利用し、プロパティ要求をテキスト記述に暗黙的に埋め込む。
提案手法は, 分子構造類似性を最適化し, ベンチマークデータセットの化学的特性を向上するための最先端手法を超越した手法である。
論文 参考訳（メタデータ） (2024-10-17T14:30:27Z) - Rectified Diffusion: Straightness Is Not Your Need in Rectified Flow [65.51671121528858]
拡散モデルは、視覚生成を大幅に改善したが、生成ODEを解くという計算集約的な性質のため、生成速度の遅さによって妨げられている。
広く認識されている解である整流流は、ODEパスを直線化することで生成速度を向上させる。
本稿では,より広範な拡散モデルのカテゴリをカバーするために,設計空間と修正の応用範囲を一般化するRectified Diffusionを提案する。
論文 参考訳（メタデータ） (2024-10-09T17:43:38Z) - Derivative-Free Guidance in Continuous and Discrete Diffusion Models with Soft Value-Based Decoding [84.3224556294803]
拡散モデルは、画像、分子、DNA、RNA、タンパク質配列の自然なデザイン空間を捉えるのに優れている。
これらの設計空間の自然性を保ちながら、下流の報酬関数を最適化することを目指している。
提案アルゴリズムは,中間雑音状態が将来高い報酬をもたらすことの先駆けとして,ソフトバリュー関数を統合する。
論文 参考訳（メタデータ） (2024-08-15T16:47:59Z) - 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) - Flow Matching on General Geometries [43.252817099263744]
本稿では,多様体上の連続正規化フローをトレーニングするための,単純かつ強力なフレームワークを提案する。
単純な測地ではシミュレーションが不要であり、発散を必要としないことを示し、その対象ベクトル場を閉形式で計算する。
本手法は,多くの実世界の非ユークリッドデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-02-07T18:21:24Z) - Faster Adaptive Federated Learning [84.38913517122619]
フェデレートラーニングは分散データの出現に伴って注目を集めている。
本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
論文 参考訳（メタデータ） (2022-12-02T05:07:50Z) - Semi-Equivariant Continuous Normalizing Flows for Target-Aware Molecule
Generation [14.182657807324999]
本研究では,対象分子の条件生成モデルを学習するためのアルゴリズムを提案する。
結合したい受容体分子が与えられたとき、条件付きモデルはそれに結合する可能性のある候補リガンド分子を生成する。
提案手法をCrossDocked 2020データセット上で評価し,競合する手法に対する結合親和性を大幅に改善した。
論文 参考訳（メタデータ） (2022-11-09T09:16:39Z) - Torsional Diffusion for Molecular Conformer Generation [28.225704750892795]
ねじれ拡散は、ねじれ角の空間で動作する新しい拡散フレームワークである。
薬物様分子の標準ベンチマークでは、ねじり拡散は優れたコンフォメーラーアンサンブルを生成する。
我々のモデルは、最初の一般化可能なボルツマン生成器を構築するために使われる正確な確率を与える。
論文 参考訳（メタデータ） (2022-06-01T04:30:41Z) - Geometric Transformer for End-to-End Molecule Properties Prediction [92.28929858529679]
分子特性予測のためのトランスフォーマーに基づくアーキテクチャを導入し,分子の形状を捉える。
分子幾何学の初期符号化による古典的な位置エンコーダと、学習されたゲート自己保持機構を改変する。
論文 参考訳（メタデータ） (2021-10-26T14:14:40Z) - Equivariant Discrete Normalizing Flows [10.867162810786361]
離散層を用いた等変正規化フローの構築に着目する。
2つの新しい同変フロー:$G$-カップリングフローと$G$-Residualフローを導入する。
我々の構成である$G$-Residual Flowsも普遍的であり、$G$-equivariant diffeomorphismが$G$-Residual Flowによって正確にマッピング可能であることを証明している。
論文 参考訳（メタデータ） (2021-10-16T20:16:00Z) - SurVAE Flows: Surjections to Bridge the Gap between VAEs and Flows [78.77808270452974]
SurVAE Flowsは、VAEと正規化フローを含む構成可能な変換のためのモジュラーフレームワークである。
提案手法は,SurVAE フローとして表現できることが示唆された。
論文 参考訳（メタデータ） (2020-07-06T13:13:22Z)
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。