論文の概要: MIPS: a Multimodal Infinite Polymer Sequence Pre-training Framework for Polymer Property Prediction
- arxiv url: http://arxiv.org/abs/2507.20326v1
- Date: Sun, 27 Jul 2025 15:34:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:57.384039
- Title: MIPS: a Multimodal Infinite Polymer Sequence Pre-training Framework for Polymer Property Prediction
- Title（参考訳）: MIPS: 高分子特性予測のための多モード無限ポリマー系列事前学習フレームワーク
- Authors: Jiaxi Wang, Yaosen Min, Xun Zhu, Miao Li, Ji Wu,
- Abstract要約: 既存のモデリングアプローチは、通常は構成モノマーによってポリマーを表すが、ポリマーの全ての性質を捉えるのに苦労している。
本稿では, 高分子をモノマーの無限列として表現するMIPS事前学習フレームワークを提案する。
トポロジカルな観点から、メッセージパッシング機構(MPM)とグラフアテンション機構(GAM)を無限のポリマー配列に一般化する。
- 参考スコア（独自算出の注目度）: 18.637780346409308
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Polymers, composed of repeating structural units called monomers, are fundamental materials in daily life and industry. Accurate property prediction for polymers is essential for their design, development, and application. However, existing modeling approaches, which typically represent polymers by the constituent monomers, struggle to capture the whole properties of polymer, since the properties change during the polymerization process. In this study, we propose a Multimodal Infinite Polymer Sequence (MIPS) pre-training framework, which represents polymers as infinite sequences of monomers and integrates both topological and spatial information for comprehensive modeling. From the topological perspective, we generalize message passing mechanism (MPM) and graph attention mechanism (GAM) to infinite polymer sequences. For MPM, we demonstrate that applying MPM to infinite polymer sequences is equivalent to applying MPM on the induced star-linking graph of monomers. For GAM, we propose to further replace global graph attention with localized graph attention (LGA). Moreover, we show the robustness of the "star linking" strategy through Repeat and Shift Invariance Test (RSIT). Despite its robustness, "star linking" strategy exhibits limitations when monomer side chains contain ring structures, a common characteristic of polymers, as it fails the Weisfeiler-Lehman~(WL) test. To overcome this issue, we propose backbone embedding to enhance the capability of MPM and LGA on infinite polymer sequences. From the spatial perspective, we extract 3D descriptors of repeating monomers to capture spatial information. Finally, we design a cross-modal fusion mechanism to unify the topological and spatial information. Experimental validation across eight diverse polymer property prediction tasks reveals that MIPS achieves state-of-the-art performance.
- Abstract（参考訳）: モノマーと呼ばれる構造単位を繰り返すポリマーは、日常生活や産業の基本的な材料である。
高分子の設計, 開発, 応用には, 正確な特性予測が不可欠である。
しかし、重合過程の過程で性質が変化するため、構成モノマーによってポリマーを代表する既存のモデリング手法は、ポリマーの全ての特性を捉えるのに苦労する。
本研究では, 高分子をモノマーの無限列として表現し, トポロジカルおよび空間的情報を総合モデリングに組み込んだMIPS事前学習フレームワークを提案する。
トポロジカルな観点から、メッセージパッシング機構(MPM)とグラフアテンション機構(GAM)を無限のポリマー配列に一般化する。
MPM の場合、無限個のポリマー配列に MPM を適用することは、モノマーの誘導された星連鎖グラフに MPM を適用することと等価であることを示す。
GAMでは、グローバルグラフ注意をローカライズドグラフ注意(LGA)に置き換えることを提案する。
さらに,Repeat and Shift Invariance Test (RSIT) による「スターリンク」戦略の堅牢性を示す。
その堅牢性にもかかわらず、「スターリンク」戦略は、モノマー側鎖が環構造を含むときの制限を示すが、これはWeisfeiler-Lehman~(WL)試験に失敗するため、ポリマーの共通の特性である。
この問題を克服するために, 無限ポリマー配列上でのMPMおよびLGAの能力を高めるために, バックボーン埋め込みを提案する。
空間的観点から, 単量体を繰り返す3次元記述子を抽出し, 空間情報をキャプチャする。
最後に、位相情報と空間情報を統一するクロスモーダル融合機構を設計する。
8つの異なるポリマー特性予測タスクの実験的検証により、MIPSが最先端の性能を達成することが明らかとなった。
関連論文リスト
- CryoGS: Gaussian Splatting for Cryo-EM Homogeneous Reconstruction [55.2480439325792]
低温電子顕微鏡(cryo-EM)は、分子構造をほぼ原子の分解能で決定するのに役立つ。
単一粒子Cryo-EMにおける中心的な計算課題は、分子の3次元静電ポテンシャルを再構築することである。
本稿では,GMMをベースとしたGMM法であるCryoGSを紹介し,Gaussian splattingとCryo-EM画像形成の物理を融合させる。
論文 参考訳（メタデータ） (2025-08-06T23:24:43Z) - Aligned Manifold Property and Topology Point Clouds for Learning Molecular Properties [55.2480439325792]
この研究は、局所量子由来のスカラー場とカスタムトポロジカルディスクリプタを組み合わせた分子表面表現であるAMPTCRを導入する。
分子量については、AMPTCRが物理的に意味のあるデータをコードし、検証R2は0.87であることを確認した。
細菌抑制タスクでは、AMPTCRは大腸菌阻害値の分類と直接回帰の両方を可能にする。
論文 参考訳（メタデータ） (2025-07-22T04:35:50Z) - DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [66.41802970528133]
スペクトルからの分子構造解明は化学の基礎的な問題である。
従来の手法は専門家の解釈に大きく依存し、拡張性に欠ける。
マルチモーダルスペクトルデータから2次元および3次元分子構造を直接推定する生成フレームワークであるDiffSpectraを提案する。
論文 参考訳（メタデータ） (2025-07-09T13:57:20Z) - Learning Repetition-Invariant Representations for Polymer Informatics [15.45788515943579]
グラフ反復不変性(GRIN)は,グラフ表現における繰り返し単位の数に不変なポリマー表現を学習するための新しい手法である。
GRINはグラフベースの最大スパンニングツリーアライメントと繰り返しユニット拡張を統合し、構造的な一貫性を確保する。
ホモポリマーとコポリマーのベンチマークで最先端のベースラインを上回り、安定で反復不変な表現を学習し、目に見えない大きさのポリマー鎖に効果的に一般化する。
論文 参考訳（メタデータ） (2025-05-15T22:05:40Z) - POINT$^{2}$: A Polymer Informatics Training and Testing Database [15.45788515943579]
POINT$2$ (Polymer Informatics Training and Testing) は、高分子情報学における重要な課題に対処するために設計されたベンチマークデータベースとプロトコルである。
我々は、量子ランダムフォレスト、ドロップアウト付き多層パーセプトロン、グラフニューラルネットワーク、事前訓練された大規模言語モデルを含むMLモデルのアンサンブルを開発する。
これらのモデルは、Morgan、MACCS、RDKit、Topological、Atom Pairの指紋、グラフベースの記述子といった多様なポリマー表現と結合している。
論文 参考訳（メタデータ） (2025-03-30T15:46:01Z) - Multimodal machine learning with large language embedding model for polymer property prediction [2.525624865489335]
本稿では,高分子特性予測タスクに対して,単純で効果的なマルチモーダルアーキテクチャであるPolyLLMemを提案する。
PolyLLMemは、Llama 3によって生成されたテキスト埋め込みとUni-Mol由来の分子構造埋め込みを統合する。
その性能は、グラフベースのモデルやトランスフォーマーベースのモデルと同等であり、場合によってはそれ以上である。
論文 参考訳（メタデータ） (2025-03-29T03:48:11Z) - 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) - E(3)-equivariant models cannot learn chirality: Field-based molecular generation [51.327048911864885]
キラリティは薬物の安全性と効力性を決定する上で重要な役割を果たしている。
回転対称性の制約に取って代わる基準回転を提案する。
提案モデルでは、キラル性を含む全ての分子測地を捕捉するが、標準ベンチマーク指標のE(3)に基づく手法と高い競争性能を保っている。
論文 参考訳（メタデータ） (2024-02-24T17:13:58Z) - Gaussian Entanglement Measure: Applications to Multipartite Entanglement
of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。
本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。
自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文 参考訳（メタデータ） (2024-01-31T15:50:50Z) - Photonic Quantum Computing For Polymer Classification [62.997667081978825]
2つのポリマークラス (VIS) と近赤外 (NIR) は, ポリマーギャップの大きさに基づいて定義される。
高分子構造の二項分類に対する古典量子ハイブリッド手法を提案する。
論文 参考訳（メタデータ） (2022-11-22T11:59:52Z) - Representing Polymers as Periodic Graphs with Learned Descriptors for
Accurate Polymer Property Predictions [16.468017785818198]
我々は、手書きの表現を一貫して上回る周期性ポリマーグラフ表現を開発する。
また,高分子グラフ表現とメッセージパッシングニューラルネットワークアーキテクチャを組み合わせることで,意味のある高分子の特徴を自動的に抽出する方法を実証する。
論文 参考訳（メタデータ） (2022-05-27T04:14:12Z) - MIMOSA: Multi-constraint Molecule Sampling for Molecule Optimization [51.00815310242277]
生成モデルと強化学習アプローチは、最初の成功をおさめたが、複数の薬物特性を同時に最適化する上で、依然として困難に直面している。
本稿では,MultI-Constraint MOlecule SAmpling (MIMOSA)アプローチ,初期推定として入力分子を用いるサンプリングフレームワーク,ターゲット分布からのサンプル分子を提案する。
論文 参考訳（メタデータ） (2020-10-05T20:18:42Z)
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。