論文の概要: Flow-Matching Based Refiner for Molecular Conformer Generation

• arxiv url: http://arxiv.org/abs/2510.04878v1
• Date: Mon, 06 Oct 2025 15:00:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.921713
• Title: Flow-Matching Based Refiner for Molecular Conformer Generation
• Title（参考訳）: フローマッチングによる分子コンバータ生成用リファイナ
• Authors: Xiangyang Xu, Hongyang Gao,
• Abstract要約: MCGタスクのためのフローマッチング精細器を提案する。 提案手法は,上流デノナイジングモデルにより生成された混合品質出力のサンプリングを初期化する。 GEOM-QM9とGEOM-Drugsベンチマークデータセットでは、ジェネレータ/リファイナパイプラインは、全体的なデノレーションステップを減らして品質を改善する。
• 参考スコア（独自算出の注目度）: 17.236893652698196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-energy molecular conformers generation (MCG) is a foundational yet challenging problem in drug discovery. Denoising-based methods include diffusion and flow-matching methods that learn mappings from a simple base distribution to the molecular conformer distribution. However, these approaches often suffer from error accumulation during sampling, especially in the low SNR steps, which are hard to train. To address these challenges, we propose a flow-matching refiner for the MCG task. The proposed method initializes sampling from mixed-quality outputs produced by upstream denoising models and reschedules the noise scale to bypass the low-SNR phase, thereby improving sample quality. On the GEOM-QM9 and GEOM-Drugs benchmark datasets, the generator-refiner pipeline improves quality with fewer total denoising steps while preserving diversity.
• Abstract（参考訳）: 低エネルギー分子コンホメータ生成(MCG)は、薬物発見において基礎的だが難しい問題である。 デノジングに基づく手法には、単純な基底分布から分子コンフォメータ分布への写像を学習する拡散およびフローマッチング法が含まれる。 しかしながら、これらのアプローチはサンプリング中にエラーの蓄積に悩まされることが多い。 これらの課題に対処するために,我々はMDGタスクのためのフローマッチング精錬器を提案する。 提案手法は,上流デノナイズモデルによる混合品質出力のサンプリングを初期化し,低SNR位相をバイパスするためにノイズスケールを再スケジュールし,サンプル品質を向上させる。 GEOM-QM9とGEOM-Drugsベンチマークデータセットでは、ジェネレータ/リファイナパイプラインは、多様性を保ちながら、合計デノイングステップを減らして品質を改善する。

関連論文リスト

• Noise Conditional Variational Score Distillation [60.38982038894823]
  騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。 この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T06:01:39Z)
• CCS: Controllable and Constrained Sampling with Diffusion Models via Initial Noise Perturbation [9.12693573953231]
  生成出力の変化と初期雑音摂動のスケールの関係は拡散ODEサンプリングにより非常に線形である。 そこで我々は,新しい制御可能・制約付きサンプリング法 (CCS) と,所望の統計特性を持つ拡散モデルに対する新しい制御アルゴリズムを提案する。 その結果, CCS法は, 優れた試料品質と多様性を維持しつつ, より精密にサンプリングを制御できることが示唆された。
  論文  参考訳（メタデータ） (2025-02-07T05:30:48Z)
• Enhancing Sample Generation of Diffusion Models using Noise Level Correction [9.014666170540304]
  提案手法は, 推定雑音レベルと雑音の真の距離を多様体に合わせることで, サンプル生成を向上する手法である。 具体的には,事前学習した騒音レベル補正ネットワークを導入し,騒音レベル推定を改良する。 実験結果から,本手法は,制約のない生成シナリオと制約のない生成シナリオの両方において,サンプルの品質を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-12-07T01:19:14Z)
• Enhancing Diffusion Posterior Sampling for Inverse Problems by Integrating Crafted Measurements [46.03835001280626]
  現在の後方サンプリング法は、測定結果を後方サンプリングに取り込み、対象データの分布を推定する。 我々は,早期に高周波情報を早期に導入し,より大きな後部推定誤差を生じさせることを示す。 本稿では, 後方推定法として, 工法計測(逆演示法による雑音測定)を取り入れた新しい拡散後サンプリング法DPS-CMを提案する。
  論文  参考訳（メタデータ） (2024-11-15T00:06:57Z)
• Improving Diffusion Inverse Problem Solving with Decoupled Noise Annealing [84.97865583302244]
  Decoupled Annealing Posterior Smpling (DAPS) と呼ばれる新しい手法を提案する。 DAPSは、新しいノイズアニール法に依存している。 DAPSは複数の画像復元作業において,サンプル品質と安定性を著しく向上することを示した。
  論文  参考訳（メタデータ） (2024-07-01T17:59:23Z)
• EM Distillation for One-step Diffusion Models [65.57766773137068]
  最小品質の損失を最小限に抑えた1ステップ生成モデルに拡散モデルを蒸留する最大可能性に基づく手法を提案する。 本研究では, 蒸留プロセスの安定化を図るため, 再パラメータ化サンプリング手法とノイズキャンセリング手法を開発した。
  論文  参考訳（メタデータ） (2024-05-27T05:55:22Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
  我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。 本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
  論文  参考訳（メタデータ） (2022-09-29T11:12:27Z)

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。