Fugu-MT 論文翻訳(概要): Unified Molecule Generation and Property Prediction

論文の概要: Unified Molecule Generation and Property Prediction

arxiv url: http://arxiv.org/abs/2504.16559v1
Date: Wed, 23 Apr 2025 09:36:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 17:14:24.374748
Title: Unified Molecule Generation and Property Prediction
Title（参考訳）: 統一分子生成と特性予測
Authors: Adam Izdebski, Jan Olszewski, Pankhil Gawade, Krzysztof Koras, Serra Korkmaz, Valentin Rauscher, Jakub M. Tomczak, Ewa Szczurek,
Abstract要約: Hyformerは、生成関数と予測関数をブレンドするトランスフォーマーベースのジョイントモデルである。 Hyformerは他のジョイントモデルと競合し、最先端の分子生成や特性予測モデルも競合することを示す。
参考スコア（独自算出の注目度）: 6.865957689890204
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Modeling the joint distribution of the data samples and their properties allows to construct a single model for both data generation and property prediction, with synergistic capabilities reaching beyond purely generative or predictive models. However, training joint models presents daunting architectural and optimization challenges. Here, we propose Hyformer, a transformer-based joint model that successfully blends the generative and predictive functionalities, using an alternating attention mask together with a unified pre-training scheme. We show that Hyformer rivals other joint models, as well as state-of-the-art molecule generation and property prediction models. Additionally, we show the benefits of joint modeling in downstream tasks of molecular representation learning, hit identification and antimicrobial peptide design.
Abstract（参考訳）: データサンプルとそれらの特性の連成分布をモデル化することで、データ生成とプロパティ予測の両方のための単一のモデルを構築することができる。しかし、共同モデルをトレーニングすることは、アーキテクチャと最適化の難しさを示す。本稿では,生成機能と予測機能を融合したトランスフォーマーベースジョイントモデルであるHyformerを提案する。 Hyformerは他のジョイントモデルと競合し、最先端の分子生成や特性予測モデルも競合することを示す。さらに, 分子表現学習, ヒット同定, 抗菌ペプチド設計といった下流作業における関節モデリングの利点を示す。

関連論文リスト

UniGenX: Unified Generation of Sequence and Structure with Autoregressive Diffusion [61.690978792873196]
既存のアプローチは自己回帰シーケンスモデルか拡散モデルのいずれかに依存している。自己回帰的次トーケン予測と条件拡散モデルを組み合わせた統合フレームワークUniGenXを提案する。材料および小分子生成タスクにおけるUniGenXの有効性を検証する。
論文参考訳（メタデータ） (2025-03-09T16:43:07Z)
HyPer-EP: Meta-Learning Hybrid Personalized Models for Cardiac Electrophysiology [7.230055455268642]
本稿では,個人化された心臓デジタル双生児を記述するための新しいハイブリッド・モデリング・フレームワークを提案する。そこで我々は,物理系と神経系の両方のコンポーネントを識別するための新しいメタラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-15T02:30:00Z)
MGE: A Training-Free and Efficient Model Generation and Enhancement Scheme [10.48591131837771]
本稿では,MGE(Merning-free and Efficient Model Generation and Enhancement Scheme)を提案する。モデル生成プロセスにおいて、モデルパラメータの分布とモデルパフォーマンスの2つの側面を考慮する。実験の結果、生成したモデルは通常の訓練によって得られたモデルに匹敵し、場合によっては優れていることが示された。
論文参考訳（メタデータ） (2024-02-27T13:12:00Z)
Co-modeling the Sequential and Graphical Routes for Peptide Representation Learning [67.66393016797181]
本稿では,表現の相互情報を強化するためのペプチド共モデリング手法RepConを提案する。 RepConは、正のサンプルペア間の表現の一貫性を高め、負のペア間の表現を撃退することを学ぶ。この結果から,コモデリング手法が独立モデルよりも優れていること,コモデリングフレームワーク下での他の手法よりもRepConの方が優れていることが示唆された。
論文参考訳（メタデータ） (2023-10-04T16:58:25Z)
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)
Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
論文参考訳（メタデータ） (2022-11-03T14:49:02Z)
Hybrid Feature- and Similarity-Based Models for Prediction and Interpretation using Large-Scale Observational Data [0.0]
教師付き学習のためのハイブリッド機能と類似性に基づくモデルを提案する。提案したハイブリッドモデルは,カーネル部分の疎性誘導ペナルティを伴う凸最適化に適合する。我々は,本モデルと,合成データを用いた特徴的および類似性に基づくアプローチとを比較し,孤独感や社会的孤立のリスクを予測するためにEHRデータを用いた。
論文参考訳（メタデータ） (2022-04-12T20:37:03Z)
Extending Models Via Gradient Boosting: An Application to Mendelian Models [1.9573380763700712]
グラデーションブーストと開発前のモデルを組み合わせてモデル性能を向上させるという、モデル改善の一般的なアプローチを提案します。既存のメンデルモデルとの勾配ブースティングの統合は、勾配ブースティングだけで構築されたモデルとモデルの両方を上回る改良モデルを生成することができる。
論文参考訳（メタデータ） (2021-05-13T21:21:05Z)
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)
Conditional Generative Models for Counterfactual Explanations [0.0]
本稿では,分散的非分布的モデル記述を生成する汎用フレームワークを提案する。このフレームワークは、使用される生成モデルの種類や基礎となる予測モデルのタスクに関して柔軟である。
論文参考訳（メタデータ） (2021-01-25T14:31:13Z)
Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文参考訳（メタデータ） (2020-10-25T18:51:15Z)
Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。このようなモデルをリアルタイム診断に利用しています。
論文参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。