論文の概要: Flows, straight but not so fast: Exploring the design space of Rectified Flows in Protein Design

• arxiv url: http://arxiv.org/abs/2510.24732v1
• Date: Mon, 13 Oct 2025 07:36:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.990994
• Title: Flows, straight but not so fast: Exploring the design space of Rectified Flows in Protein Design
• Title（参考訳）: まっすぐだがそれほど速くない流れ--タンパク質設計におけるリクティファイドフローのデザイン空間を探る
• Authors: Junhua Chen, Simon Mathis, Charles Harris, Kieran Didi, Pietro Lio,
• Abstract要約: Rectified Flows (ReFlow) は,所定の目標品質の NFE を大幅に削減できることを示す。 タンパク質のバックボーン生成のための事前訓練SE(3)フローマッチングモデルの低NFE性能を改善するためにReFlowを適用した。
• 参考スコア（独自算出の注目度）: 12.818279735492945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative modeling techniques such as Diffusion and Flow Matching have achieved significant successes in generating designable and diverse protein backbones. However, many current models are computationally expensive, requiring hundreds or even thousands of function evaluations (NFEs) to yield samples of acceptable quality, which can become a bottleneck in practical design campaigns that often generate $10^4\ -\ 10^6$ designs per target. In image generation, Rectified Flows (ReFlow) can significantly reduce the required NFEs for a given target quality, but their application in protein backbone generation has been less studied. We apply ReFlow to improve the low NFE performance of pretrained SE(3) flow matching models for protein backbone generation and systematically study ReFlow design choices in the context of protein generation in data curation, training and inference time settings. In particular, we (1) show that ReFlow in the protein domain is particularly sensitive to the choice of coupling generation and annealing, (2) demonstrate how useful design choices for ReFlow in the image domain do not directly translate to better performance on proteins, and (3) make improvements to ReFlow methodology for proteins.
• Abstract（参考訳）: Diffusion(拡散)やFlow Matching(フローマッチング)のような生成的モデリング技術は、設計可能で多様なタンパク質のバックボーンを生成する上で大きな成功を収めた。 しかし、現在のモデルの多くは計算コストがかかるため、許容できる品質のサンプルを得るには数百から数千の関数評価(NFE)が必要であり、これは1ターゲットあたり10^4\ -\ 10^6$ を出力する実用的な設計キャンペーンにおいてボトルネックとなる可能性がある。 画像生成において、Rectified Flows (ReFlow) は特定のターゲット品質に必要なNFEを著しく減少させるが、それらのタンパク質のバックボーン生成への応用はあまり研究されていない。 タンパク質のバックボーン生成のための事前訓練SE(3)フローマッチングモデルの低NFE性能向上にReFlowを適用し、データキュレーション、トレーニング、推論時間設定におけるタンパク質生成の文脈におけるReFlow設計選択を体系的に研究する。 特に,1) タンパク質領域におけるReFlowが結合生成とアニールの選択に特に敏感であること,(2) 画像領域におけるReFlowの設計選択がタンパク質上での性能向上に直接変換されないこと,(3) タンパク質のReFlow方法論の改善を示す。

関連論文リスト

• ProteinAE: Protein Diffusion Autoencoders for Structure Encoding [64.77182442408254]
  本稿では,新規かつ合理化されたタンパク質拡散オートエンコーダであるProteinAEを紹介する。 プロテインAEは、タンパク質のバックボーン座標を直接E(3)から連続的でコンパクトな潜在空間にマッピングする。 本研究では,既存のオートエンコーダよりも優れた,最先端の再構築品質を実現することを実証する。
  論文  参考訳（メタデータ） (2025-10-12T14:30:32Z)
• Distilled Protein Backbone Generation [59.63474232035653]
  拡散およびフローベースの生成モデルは、デノボタンパク質の設計に前例のない能力を提供する。 これらのモデルは生成速度によって制限され、しばしば逆拡散過程において数百の反復的なステップを必要とする。 本研究は,Score Identity Distillation (SiD) を用いて,数段階のタンパク質バックボーン生成装置の訓練を行う方法を示す。
  論文  参考訳（メタデータ） (2025-10-03T15:25:08Z)
• ProteinZero: Self-Improving Protein Generation via Online Reinforcement Learning [49.2607661375311]
  本稿では,逆折り畳みモデルの計算的拡張性,自動化,継続的な自己改善を可能にする新しいフレームワークであるProteinZeroを提案する。 ProteinZeroは、タンパク質設計のすべての主要な指標において、既存の手法を大幅に上回っている。 特に、CATH-4.3上で実行されるRL全体は、報酬を含む3日以内に1つの8X GPUノードで実行できる。
  論文  参考訳（メタデータ） (2025-06-09T06:08:59Z)
• ProtFlow: Fast Protein Sequence Design via Flow Matching on Compressed Protein Language Model Embeddings [8.068149785650649]
  ProtFlowは高速なフローマッチングベースのタンパク質配列設計フレームワークである。 潜在空間の圧縮と平滑化により、ProtFlowは限られた計算リソースをトレーニングしながらパフォーマンスを向上させる。 一般ペプチドや長鎖タンパク質,抗菌ペプチド,抗体など,多種多様なタンパク質設計タスクにおけるProtFlowの評価を行った。
  論文  参考訳（メタデータ） (2025-04-15T08:46:53Z)
• ReQFlow: Rectified Quaternion Flow for Efficient and High-Quality Protein Backbone Generation [24.13216117355207]
  高速かつ高品質なタンパク質のバックボーン生成のための新しい補正四元流(ReQFlow)マッチング法を提案する。 本手法は,タンパク質鎖の各残基に対するランダムノイズから局所翻訳と3次元回転を生成する。 数値安定性を保証した四元数フロー(QFlow)を用いてモデルをトレーニングし、推論を高速化し、生成したタンパク質のバックボーンの設計性を向上させるためにQFlowモデルを修正する。
  論文  参考訳（メタデータ） (2025-02-20T15:20:37Z)

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。