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

• Lang2Str: Two-Stage Crystal Structure Generation with LLMs and Continuous Flow Models [22.830348732529334]
  フレキシブルかつ高精度な材料生成のための2段階生成フレームワークであるLang2Strを提案する。 本手法は, 生成過程を条件付き生成タスクとみなす。 本手法は,テクスタイブ初期材料生成および結晶構造予測タスクにおける競合性能を実現する。
  論文  参考訳（メタデータ） (2026-03-04T11:14:01Z)
• StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
  StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。 最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。 結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
  論文  参考訳（メタデータ） (2026-01-12T15:41:27Z)
• WorldGrow: Generating Infinite 3D World [75.81531067447203]
  我々は、無限に拡張可能な3D世界、すなわちコヒーレントな幾何学と現実的な外観を持つ大規模で連続的な環境を生み出すという課題に取り組む。 本研究では,非有界な3次元シーン合成のための階層的フレームワークWorldGrowを提案する。 提案手法は,(1)高品質なシーンブロックを抽出し,シーン生成に適した3D構造化潜在表現を作成するデータキュレーションパイプライン,(2)コンテキスト認識シーン拡張を可能にする3Dブロックインペイント機構,(3)グローバルなレイアウトの妥当性と局所幾何学的/音声的忠実性の両立を保証する粗大かつ微細な生成戦略,の3つのコアコンポーネントを特徴とする。
  論文  参考訳（メタデータ） (2025-10-24T17:39:52Z)
• Exploring Diffusion Transformer Designs via Grafting [82.91123758506876]
  計算予算の少ない新しいアーキテクチャを実現するために,事前に訓練された拡散変換器(DiT)を編集する簡単な手法であるグラフト方式を提案する。 演算子置換からアーキテクチャ再構成に至るまで,事前訓練したDiTをグラフトすることで,新しい拡散モデルの設計を探索できることが示されている。
  論文  参考訳（メタデータ） (2025-06-05T17:59:40Z)
• MOFGPT: Generative Design of Metal-Organic Frameworks using Language Models [5.417632175667162]
  応用固有の性質を持つ金属有機フレームワーク(MOF)は、材料化学における中心的な課題である。 我々はMOFのデノボ設計のための強化学習型トランスフォーマーベースのフレームワークを提案する。 特性フィードバックをシーケンス生成に統合することにより、このモデルを合成可能でトポロジカルに有効なMOFに向けて駆動する。
  論文  参考訳（メタデータ） (2025-05-30T20:09:11Z)
• 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)
• Model as a Game: On Numerical and Spatial Consistency for Generative Games [117.36098212829766]
  本稿では,モデル・アズ・ア・ゲーム(MaaG)のメカニズムを十分に構築した上で,モデル・アズ・ア・ゲーム(MaaG)を真に構成するものを探るため,生成ゲームのパラダイムを再考する。 DiTアーキテクチャに基づいて,(1) LogicNetを統合してイベントトリガを決定する数値モジュール,(2) 探索領域のマップを維持する空間モジュール,(2) 生成中の位置情報を検索して連続性を確保する,という2つの特殊なモジュールを設計する。
  論文  参考訳（メタデータ） (2025-03-27T05:46:15Z)
• 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)
• L3GO: Language Agents with Chain-of-3D-Thoughts for Generating Unconventional Objects [53.4874127399702]
  本稿では,3Dメッシュ生成を推論可能な3Dメッシュ生成手法であるL3GO(チェーン・オブ・3D思想)を用いた言語エージェントを提案する。 我々は,新しいベンチマークである Unconventionally Feasible Objects (UFO) と,Blender上に構築されたSimpleBlenv を開発した。 提案手法は,ShapeNet上での3Dメッシュ生成のための標準GPT-4および他の言語エージェントを上回る。
  論文  参考訳（メタデータ） (2024-02-14T09:51:05Z)
• 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。