論文の概要: PolyConf: Unlocking Polymer Conformation Generation through Hierarchical Generative Models
- arxiv url: http://arxiv.org/abs/2504.08859v1
- Date: Fri, 11 Apr 2025 07:12:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-15 16:50:17.707057
- Title: PolyConf: Unlocking Polymer Conformation Generation through Hierarchical Generative Models
- Title（参考訳）: PolyConf:階層的生成モデルによる高分子コンフォーメーションのアンロック
- Authors: Fanmeng Wang, Wentao Guo, Qi Ou, Hongshuai Wang, Haitao Lin, Hongteng Xu, Zhifeng Gao,
- Abstract要約: PolyConfは、高度に調整されたポリマーコンホメーション生成法である。
我々は、ポリマー配座を一連の局所配座に分解し、自己回帰モデルを通してこれらの局所配座を生成する。
次に、拡散モデルを用いて対応する配向変換を生成し、これらの局所配座を完全なポリマー配座に組み立てる。
- 参考スコア（独自算出の注目度）: 28.480039088875635
- License:
- Abstract: Polymer conformation generation is a critical task that enables atomic-level studies of diverse polymer materials. While significant advances have been made in designing various conformation generation methods for small molecules and proteins, these methods struggle to generate polymer conformations due to polymers' unique structural characteristics. The scarcity of polymer conformation datasets further limits progress, making this promising area largely unexplored. In this work, we propose PolyConf, a pioneering tailored polymer conformation generation method that leverages hierarchical generative models to unlock new possibilities for this task. Specifically, we decompose the polymer conformation into a series of local conformations (i.e., the conformations of its repeating units), generating these local conformations through an autoregressive model. We then generate corresponding orientation transformations via a diffusion model to assemble these local conformations into the complete polymer conformation. Moreover, we develop the first benchmark with a high-quality polymer conformation dataset derived from molecular dynamics simulations to boost related research in this area. The comprehensive evaluation demonstrates that PolyConf consistently generates high-quality polymer conformations, facilitating advancements in polymer modeling and simulation.
- Abstract（参考訳）: ポリマーコンホメーション生成は、多様な高分子材料の原子レベル研究を可能にする重要な課題である。
小さな分子やタンパク質の様々なコンホメーション生成法の設計において大きな進歩があったが、これらの手法は高分子の特異な構造特性のためにポリマーコンホメーションの生成に苦慮している。
ポリマーコンホメーションデータセットの不足により、さらなる進歩が制限され、この有望な領域は探索されていない。
本稿では, 階層的生成モデルを利用して新しい可能性の開拓を行う, 高度に調整されたポリマーコンホメーション生成法であるPolyConfを提案する。
具体的には、ポリマー配座を一連の局所配座(すなわち、繰り返し単位の配座)に分解し、自己回帰モデルを通してこれらの局所配座を生成する。
次に、拡散モデルを用いて対応する配向変換を生成し、これらの局所配座を完全なポリマー配座に組み立てる。
さらに,分子動力学シミュレーションから得られた高品質ポリマーコンホメーションデータセットを用いて,この領域における関連研究を促進するための最初のベンチマークを開発した。
包括的評価により, ポリコンは高品質なポリマーコンホメーションを連続的に生成し, ポリマーモデリングとシミュレーションの進歩を促進することが示されている。
関連論文リスト
- Inverse Design of Copolymers Including Stoichiometry and Chain Architecture [0.0]
機械学習誘導分子設計は、高分子発見を加速するための有望なアプローチである。
我々は,グラフを符号化し,文字列を復号する新しい変分オートエンコーダアーキテクチャを開発した。
我々のモデルは、コポリマー構造のデノボ生成を可能にする、連続的でよく構成された潜在空間を学習する。
論文 参考訳（メタデータ） (2024-09-30T15:37:39Z) - GeoMFormer: A General Architecture for Geometric Molecular Representation Learning [84.02083170392764]
我々はこの目的を達成するためにGeoMFormerと呼ばれるトランスフォーマーに基づく新しい分子モデルを導入する。
我々は,GeoMFormerが,異なる型やスケールの不変タスクと同変タスクの両方において,高い性能を達成することを示す。
論文 参考訳（メタデータ） (2024-06-24T17:58:13Z) - MMPolymer: A Multimodal Multitask Pretraining Framework for Polymer Property Prediction [24.975491375575224]
MMPolymerはポリマー1Dシーケンシャルおよび3D構造情報を組み込んだ新しいマルチタスク事前学習フレームワークである。
MMPolymerは、下流特性予測タスクにおける最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-06-07T08:19:59Z) - Field-based Molecule Generation [50.124402120798365]
本稿では,本手法の柔軟性が,一般的なポイントクラウド方式よりも重要な利点をもたらすことを示す。
我々は、薬物の安全性と有効性に欠落した分子特性である光学異性体(エナンチオマー)に取り組む。
論文 参考訳（メタデータ） (2024-02-24T17:13:58Z) - TransPolymer: a Transformer-based language model for polymer property
predictions [9.04563945965023]
TransPolymerは、トランスフォーマーをベースとした、高分子特性予測のための言語モデルである。
ケミカル・アウェアネスを用いたポリマー・トークンーザは, ポリマー配列からの学習表現を可能にする。
論文 参考訳（メタデータ） (2022-09-03T01:29:59Z) - Retrieval-based Controllable Molecule Generation [63.44583084888342]
制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。
我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。
提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
論文 参考訳（メタデータ） (2022-08-23T17:01:16Z) - A graph representation of molecular ensembles for polymer property
prediction [3.032184156362992]
有機分子とは対照的に、ポリマーはよく定義された単一構造ではなく、類似した分子の集合体である。
本稿では,分子アンサンブルのグラフ表現と,高分子特性予測に適したグラフニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-05-17T20:31:43Z) - Molecular Attributes Transfer from Non-Parallel Data [57.010952598634944]
分子最適化をスタイル伝達問題として定式化し、非並列データの2つのグループ間の内部差を自動的に学習できる新しい生成モデルを提案する。
毒性修飾と合成性向上という2つの分子最適化タスクの実験により,本モデルがいくつかの最先端手法を著しく上回ることを示した。
論文 参考訳（メタデータ） (2021-11-30T06:10:22Z) - 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) - Copolymer Informatics with Multi-Task Deep Neural Networks [0.0]
コポリマーの性質予測の課題に取り組み、ホモポリマーを超えてポリマーインフォマティクスフレームワークを拡張します。
2つのモノマーのホモポリマーと共重合体のガラス転移、融解、分解温度の18,000以上のデータポイントを含む大きなデータセットを用いる。
開発されたモデルは、適切なデータが利用可能になったときに、よりコポリマー特性に正確、迅速、柔軟、スケーラブルです。
論文 参考訳（メタデータ） (2021-03-25T23:28:20Z) - 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。