論文の概要: Learning 3D Anisotropic Noise Distributions Improves Molecular Force Field Modeling

• arxiv url: http://arxiv.org/abs/2510.22123v1
• Date: Sat, 25 Oct 2025 02:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.495777
• Title: Learning 3D Anisotropic Noise Distributions Improves Molecular Force Field Modeling
• Title（参考訳）: 分子力場モデリングを改良した3次元異方性雑音分布の学習
• Authors: Xixian Liu, Rui Jiao, Zhiyuan Liu, Yurou Liu, Yang Liu, Ziheng Lu, Wenbing Huang, Yang Zhang, Yixin Cao,
• Abstract要約: コーディネート・デノナイジングは3次元分子事前学習の有望な方法として現れている。 既存のデノナイジング法は、原子運動が等方的でホモスセダティックであると仮定する単純化された分子動力学に依存している。 本稿では,3次元分子デノナイジングのための新しいデノナイジングフレームワーク AniDS: Anisotropic Variational Autoencoder を提案する。
• 参考スコア（独自算出の注目度）: 37.854885701146365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coordinate denoising has emerged as a promising method for 3D molecular pretraining due to its theoretical connection to learning molecular force field. However, existing denoising methods rely on oversimplied molecular dynamics that assume atomic motions to be isotropic and homoscedastic. To address these limitations, we propose a novel denoising framework AniDS: Anisotropic Variational Autoencoder for 3D Molecular Denoising. AniDS introduces a structure-aware anisotropic noise generator that can produce atom-specific, full covariance matrices for Gaussian noise distributions to better reflect directional and structural variability in molecular systems. These covariances are derived from pairwise atomic interactions as anisotropic corrections to an isotropic base. Our design ensures that the resulting covariance matrices are symmetric, positive semi-definite, and SO(3)-equivariant, while providing greater capacity to model complex molecular dynamics. Extensive experiments show that AniDS outperforms prior isotropic and homoscedastic denoising models and other leading methods on the MD17 and OC22 benchmarks, achieving average relative improvements of 8.9% and 6.2% in force prediction accuracy. Our case study on a crystal and molecule structure shows that AniDS adaptively suppresses noise along the bonding direction, consistent with physicochemical principles. Our code is available at https://github.com/ZeroKnighting/AniDS.
• Abstract（参考訳）: コーディネート・デノナイジングは、分子力場の学習に理論的に関係しているため、3次元分子前訓練の有望な方法として現れてきた。 しかし、既存のデノナイジング法は、原子運動が等方的でホモスセダティックであると仮定する単純化された分子動力学に依存している。 これらの制約に対処するために,3次元分子認識のためのAniDS:異方性変分オートエンコーダを提案する。 AniDSは、分子系の指向性および構造的変動性を良く反映するために、ガウス雑音分布のための原子特異的で完全な共分散行列を生成できる構造対応の異方性ノイズ発生器を導入している。 これらの共分散は、一対の原子間相互作用から異方性基底への異方性補正として導かれる。 我々の設計は、結果の共分散行列が対称性、正の半定値、SO(3)-同変であることを保証するとともに、複雑な分子動力学をモデル化する能力を高める。 大規模な実験により、AniDSはMD17およびOC22ベンチマークにおいて、前等方的およびホモシダスティックなデノナイジングモデルやその他の主要な手法よりも優れており、力予測精度の8.9%と6.2%の平均的な相対的改善が達成されている。 結晶および分子構造に関するケーススタディでは,AniDSは物理化学的原理に従って結合方向に沿ったノイズを適応的に抑制することを示した。 私たちのコードはhttps://github.com/ZeroKnighting/AniDS.comで利用可能です。

関連論文リスト

• Towards Unified and Lossless Latent Space for 3D Molecular Latent Diffusion Modeling [90.23688195918432]
  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)
• Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
  Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。 適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
  論文  参考訳（メタデータ） (2024-11-01T12:59:25Z)
• Structure-based drug design by denoising voxel grids [5.9535699822923]
  タンパク質構造を条件とした新しい3次元分子のスコアベース生成モデルであるVoxBindを提案する。 我々のアプローチは分子を3次元原子密度格子として表現し、学習と生成に3次元ボクセル除去ネットワークを活用する。
  論文  参考訳（メタデータ） (2024-05-07T02:48:15Z)
• SE(3)-Invariant Multiparameter Persistent Homology for Chiral-Sensitive Molecular Property Prediction [1.534667887016089]
  多パラメータ持続ホモロジー(MPPH)を用いた新しい分子指紋生成法を提案する。 この技術は、正確な分子特性予測が不可欠である薬物発見と材料科学において、かなりの重要性を持っている。 分子特性の予測における既存の最先端手法よりも優れた性能を示し,MoleculeNetベンチマークで広範囲な評価を行った。
  論文  参考訳（メタデータ） (2023-12-12T09:33:54Z)
• Molecular Conformation Generation via Shifting Scores [21.986775283620883]
  本稿では,分子の崩壊を,分子を構成する原子に増大する力場を鋳造すると見なすことのできる新しい分子コンホメーション生成手法を提案する。 対応する生成モデリングは、実現可能な原子間距離幾何学を保証し、時間可逆性を示す。
  論文  参考訳（メタデータ） (2023-09-12T07:39:43Z)
• A Score-based Geometric Model for Molecular Dynamics Simulations [33.158796937777886]
  分子配座のログ密度の勾配を推定する新しいモデルScoreMDを提案する。 複数のアーキテクチャの改善により、MD17とC7O2H10の異性体において最先端のベースラインよりも優れています。 この研究は、新しい物質の加速と薬物発見に関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2022-04-19T05:13:46Z)
• 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)
• Learning 3D Representations of Molecular Chirality with Invariance to Bond Rotations [2.17167311150369]
  3次元分子コンバータのねじれ角を処理するSE(3)不変モデルを設計する。 本研究では, 学習空間における異なる立体異性体のコンホメータを識別するコントラスト学習, キラル中心をR/Sに分類する学習, エンテロマーが円偏光でどのように回転するかの予測, タンパクポケット内のドッキングスコアによるエナンチオマーのランキングの4つのベンチマークを用いて実験を行った。
  論文  参考訳（メタデータ） (2021-10-08T21:25:47Z)

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。