論文の概要: Flexible MOF Generation with Torsion-Aware Flow Matching

• arxiv url: http://arxiv.org/abs/2505.17914v1
• Date: Fri, 23 May 2025 13:56:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:34.126385
• Title: Flexible MOF Generation with Torsion-Aware Flow Matching
• Title（参考訳）: ねじり型流れマッチングを用いたフレキシブルMOF生成
• Authors: Nayoung Kim, Seongsu Kim, Sungsoo Ahn,
• Abstract要約: 2段階のde novo MOF生成フレームワークを提案する。 まず, SMILESをベースとした自己回帰モデルを用いて, 新規な金属・有機建築ブロックを創出する。 第二に、柔軟なブロックを有効な3Dフレームワークに組み立てるために、翻訳、回転、ねじれ角を予測するフローマッチングモデルを導入する。
• 参考スコア（独自算出の注目度）: 13.602789307095415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing metal-organic frameworks (MOFs) with novel chemistries is a long-standing challenge due to their large combinatorial space and the complex 3D arrangements of building blocks. While recent deep generative models have enabled scalable MOF generation, they assume (1) a fixed set of building blocks and (2) known ground-truth local block-wise 3D coordinates. However, this limits their ability to (1) design novel MOFs and (2) generate the structure using novel building blocks. We propose a two-stage de novo MOF generation framework that overcomes these limitations by modeling both chemical and geometric degrees of freedom. First, we train a SMILES-based autoregressive model to generate novel metal and organic building blocks, paired with cheminformatics for 3D structure initialization. Second, we introduce a flow-matching model that predicts translations, rotations, and torsional angles to assemble flexible blocks into valid 3D frameworks. Our experiments demonstrate improved reconstruction accuracy, the generation of valid, novel, and unique MOFs, and the ability of our model to create novel building blocks.
• Abstract（参考訳）: 新規な化学薬品で金属-有機フレームワーク(MOF)を設計することは、その大きな組み合わせ空間と複雑な3D構造のために長年の課題である。 近年の深層生成モデルでは拡張性のあるMOF生成が可能となっているが,(1)固定されたブロックの集合と(2)既知の局所的ブロックワイド3D座標が想定されている。 しかし、これは(1)新規なMOFの設計能力に制限され、(2)新規なビルディングブロックを用いて構造を生成する。 化学および幾何学的自由度の両方をモデル化することにより、これらの制限を克服する2段階のde novo MOF生成フレームワークを提案する。 まず, SMILESをベースとした自己回帰モデルを用いて, 3次元構造初期化のためのケミノフォマティクスと組み合わせて, 新規な金属および有機建築ブロックを生成する。 第二に、柔軟なブロックを有効な3Dフレームワークに組み立てるために、翻訳、回転、ねじれ角を予測するフローマッチングモデルを導入する。 提案実験では, 復元精度の向上, 有効, 新規, ユニークなMOFの生成, 新規なビルディングブロックの作成能力について検証した。

関連論文リスト

• Building-Block Aware Generative Modeling for 3D Crystals of Metal Organic Frameworks [10.094982948231923]
  金属-有機フレームワーク(MOF)は、無機ノード、有機エッジ、トポロジカルネットをプログラム可能な多孔質結晶に結合する。 既存のモデルは既知のビルディングブロックをリサイクルするか、小さなユニットセルに制限される。 本稿では,各ブロックの3次元全原子表現を学習するSE(3)同変拡散モデルであるビルディングブロック対応MOF拡散について紹介する。
  論文  参考訳（メタデータ） (2025-05-13T13:02:28Z)
• MOFFlow: Flow Matching for Structure Prediction of Metal-Organic Frameworks [42.61784133509237]
  金属-有機フレームワーク(英: Metal-organic framework、MOF)は、炭素捕獲や薬物の放出といった多くの分野で有望な応用を持つ結晶材料のクラスである。 ab initio計算や深い生成モデルを含む既存のアプローチは、単位セル内の多くの原子のためにMOF構造が複雑になるのに苦労している。 我々はMOF構造予測に適した最初の深部生成モデルMOFFlowを紹介する。
  論文  参考訳（メタデータ） (2024-10-07T13:51:58Z)
• Scalable Diffusion for Materials Generation [99.71001883652211]
  我々は任意の結晶構造(ユニマット)を表現できる統一された結晶表現を開発する。 UniMatはより大型で複雑な化学系から高忠実度結晶構造を生成することができる。 材料の生成モデルを評価するための追加指標を提案する。
  論文  参考訳（メタデータ） (2023-10-18T15:49:39Z)
• MOFDiff: Coarse-grained Diffusion for Metal-Organic Framework Design [4.819734936375677]
  金属-有機フレームワーク(MOF)は、ガス貯蔵や炭素捕獲といった応用に非常に関心がある。 CGMOF構造を生成する粗粒拡散モデルMOFDiffを提案する。 有効かつ斬新なMOF構造の生成能力と優れたMOF材料の設計における有効性を評価する。
  論文  参考訳（メタデータ） (2023-10-16T18:00:15Z)
• SE(3)-Stochastic Flow Matching for Protein Backbone Generation [54.951832422425454]
  我々はFoldFlowを紹介した。FoldFlowは,3mathrmD$の剛性運動に対するフローマッチングパラダイムに基づく,モデリング能力向上のための新しい生成モデルである。 FoldFlow生成モデルのファミリーは、タンパク質の生成モデルに対する従来のアプローチよりもいくつかの利点を提供している。
  論文  参考訳（メタデータ） (2023-10-03T19:24:24Z)
• Geometric Latent Diffusion Models for 3D Molecule Generation [172.15028281732737]
  生成モデル、特に拡散モデル(DM)は、特徴豊富な測地を生成する上で有望な結果を得た。 我々はGeoLDM(Geometric Latent Diffusion Models)と呼ばれる新しい3次元分子生成法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T01:07:22Z)
• MOFormer: Self-Supervised Transformer model for Metal-Organic Framework Property Prediction [7.367477168940467]
  金属有機フレームワーク(英: Metal-Organic Frameworks、MOFs)は、エネルギー貯蔵、脱塩、ガス貯蔵、ガス分離などの用途に使用できる多孔質材料である。 特定のアプリケーションに最適なMOFを見つけるには、膨大な数の候補を効率よく正確に探索する必要がある。 そこで本研究では,MOFの特性予測のために,MOFormerと呼ばれるトランスフォーマーモデルに基づく構造に依存しないディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-10-25T17:29:42Z)
• Fold2Seq: A Joint Sequence(1D)-Fold(3D) Embedding-based Generative Model for Protein Design [70.27706384570723]
  Fold2Seqは特定の標的に条件付きタンパク質配列を設計するための新しいフレームワークである。 Fold2Seqの性能は, シーケンス設計の速度, カバレッジ, 信頼性において向上したか, 同等であったかを示す。 フォールドベースのFold2Seqの独特な利点は、構造ベースのディープモデルやRosettaDesignと比較して、3つの現実世界の課題においてより明確になる。
  論文  参考訳（メタデータ） (2021-06-24T14:34:24Z)

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。