論文の概要: Frame-based Equivariant Diffusion Models for 3D Molecular Generation

• arxiv url: http://arxiv.org/abs/2509.19506v2
• Date: Mon, 06 Oct 2025 11:26:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 14:28:10.759059
• Title: Frame-based Equivariant Diffusion Models for 3D Molecular Generation
• Title（参考訳）: 3次元分子生成のためのフレームベース同変拡散モデル
• Authors: Mohan Guo, Cong Liu, Patrick Forré,
• Abstract要約: 分子生成のためのスケーラブルでフレキシブルで物理的に基盤化されたパラダイムとして,フレームベースの拡散について検討する。 本研究は, フレームベース拡散を分子生成のための拡張性, 柔軟性, 物理的基盤となるパラダイムとして確立する。
• 参考スコア（独自算出の注目度）: 16.663144492330247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent methods for molecular generation face a trade-off: they either enforce strict equivariance with costly architectures or relax it to gain scalability and flexibility. We propose a frame-based diffusion paradigm that achieves deterministic E(3)-equivariance while decoupling symmetry handling from the backbone. Building on this paradigm, we investigate three variants: Global Frame Diffusion (GFD), which assigns a shared molecular frame; Local Frame Diffusion (LFD), which constructs node-specific frames and benefits from additional alignment constraints; and Invariant Frame Diffusion (IFD), which relies on pre-canonicalized invariant representations. To enhance expressivity, we further utilize EdgeDiT, a Diffusion Transformer with edge-aware attention. On the QM9 dataset, GFD with EdgeDiT achieves state-of-the-art performance, with a test NLL of -137.97 at standard scale and -141.85 at double scale, alongside atom stability of 98.98%, and molecular stability of 90.51%. These results surpass all equivariant baselines while maintaining high validity and uniqueness and nearly 2x faster sampling compared to EDM. Altogether, our study establishes frame-based diffusion as a scalable, flexible, and physically grounded paradigm for molecular generation, highlighting the critical role of global structure preservation.
• Abstract（参考訳）: 最近の分子生成法はトレードオフに直面しており、コストのかかるアーキテクチャと厳密な等価性を強制するか、スケーラビリティと柔軟性を得るためにそれを緩和する。 本稿では, 骨格から対称性処理を分離しながら, 決定論的E(3)-等価性を実現するフレームベース拡散パラダイムを提案する。 このパラダイムに基づいて、共有分子フレームを割り当てるGlobal Frame Diffusion(GFD)、ノード固有のフレームを構築し、追加のアライメント制約から恩恵を受けるLocal Frame Diffusion(LFD)、事前カノニゼーションされた不変表現に依存するInvariant Frame Diffusion(IFD)の3つの変種を調査する。 表現性を高めるために,エッジ対応の拡散変換器であるEdgeDiTを利用する。 QM9データセットでは、EdgeDiTを用いたGFDは最先端のパフォーマンスを実現し、標準スケールでのNLLは-137.97、ダブルスケールでの-141.85、原子安定性98.98%、分子安定性90.51%である。 これらの結果は、EDMと比較して高い妥当性と特異性を維持しつつ、全ての同変基線を越え、サンプリングを2倍近く高速化した。 また,本研究では, フレームベース拡散を分子生成のための拡張性, 柔軟性, 物理的基盤としたパラダイムとして確立し, 地球構造保存の重要な役割を浮き彫りにした。

関連論文リスト

• Rethinking Diffusion Models with Symmetries through Canonicalization with Applications to Molecular Graph Generation [56.361076943802594]
  CanonFlowは、挑戦的なGEOM-DRUGデータセット上で最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-02-16T18:58:55Z)
• Breaking the Bottlenecks: Scalable Diffusion Models for 3D Molecular Generation [0.0]
  拡散モデルは分子設計のための強力な生成モデルとして登場した。 彼らの使用は、長いサンプリング軌道、逆過程のばらつき、そして力学の認知における構造的認識の制限によって制限されている。 直接分極拡散モデル(英語版)は、逆MCMC更新を決定論的分極ステップに置き換えることでこれらの非効率性を緩和する。
  論文  参考訳（メタデータ） (2026-01-13T20:09:44Z)
• VEDA: 3D Molecular Generation via Variance-Exploding Diffusion with Annealing [4.288647933894182]
  VEDAは分散拡散とアニーリングを組み合わせて3D構造を生成するフレームワークである。 QM9とGEOM-DRUGSデータセットでは、VEDAはフローベースモデルのサンプリング効率と一致する。 VEDAの生成した構造は、緩和エネルギーによって測定されるように、驚くほど安定である。
  論文  参考訳（メタデータ） (2025-11-11T05:45:37Z)
• Sampling 3D Molecular Conformers with Diffusion Transformers [13.536503487456622]
  拡散変換器 (DiT) は生成モデルにおいて高い性能を示した。 分子へのDiTの適用は、離散的な分子グラフ情報と連続した3次元幾何学の統合など、新しい課題をもたらす。 モジュールアーキテクチャを通じてこれらの課題に対処するために,DiTを適応させるフレームワークであるDiTMCを提案する。
  論文  参考訳（メタデータ） (2025-06-18T11:47:59Z)
• Towards Unified and Lossless Latent Space for 3D Molecular Latent Diffusion Modeling [77.26556208024633]
  3次元分子生成は、薬物発見と物質科学に不可欠である。 既存のアプローチは、典型的には不変かつ同変なモジュラリティに対して別々のラテント空間を保持する。 我々は,3次元分子を潜在空間から潜在配列に圧縮するマルチモーダルVAEである textbfUAE-3D を提案する。
  論文  参考訳（メタデータ） (2025-03-19T08:56:13Z)
• Rao-Blackwell Gradient Estimators for Equivariant Denoising Diffusion [55.95767828747407]
  分子やタンパク質の生成のようなドメインでは、物理系はモデルにとって重要な固有の対称性を示す。 学習のばらつきを低減し、確率的に低い分散勾配推定器を提供するフレームワークを提案する。 また,軌道拡散法(Orbit Diffusion)と呼ばれる手法を用いて,損失とサンプリングの手順を取り入れた推定器の実用的実装を提案する。
  論文  参考訳（メタデータ） (2025-02-14T03:26:57Z)
• Structure Language Models for Protein Conformation Generation [66.42864253026053]
  伝統的な物理学に基づくシミュレーション手法は、しばしばサンプリング平衡整合に苦しむ。 深い生成モデルは、より効率的な代替としてタンパク質のコンホメーションを生成することを約束している。 本稿では,効率的なタンパク質コンホメーション生成のための新しいフレームワークとして構造言語モデリングを紹介する。
  論文  参考訳（メタデータ） (2024-10-24T03:38:51Z)
• Unified Generative Modeling of 3D Molecules via Bayesian Flow Networks [19.351562908683334]
  GeoBFNは、分布の微分可能なパラメータ空間における様々なモジュラリティをモデル化することによって、分子幾何学に自然に適合する。 我々はGeoBFNが生成品質の観点から,複数の3次元分子生成ベンチマークにおける最先端性能を実現することを実証した。 GeoBFNはまた、効率と品質の最適なトレードオフに到達するために、任意のステップでサンプリングを行うこともできる。
  論文  参考訳（メタデータ） (2024-03-17T08:40:06Z)
• Equivariant Diffusion for Molecule Generation in 3D [74.289191525633]
  この研究は、ユークリッド変換に同値な3次元の分子計算生成のための拡散モデルを導入する。 提案手法は, 従来の3次元分子生成法に比べて, 生成した試料の品質と訓練時の効率を著しく向上させる。
  論文  参考訳（メタデータ） (2022-03-31T12:52:25Z)
• GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation [102.85440102147267]
  分子配座予測のための新しい生成モデルGeoDiffを提案する。 GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
  論文  参考訳（メタデータ） (2022-03-06T09:47:01Z)

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。