Fugu-MT 論文翻訳(概要): InertialAR: Autoregressive 3D Molecule Generation with Inertial Frames

論文の概要: InertialAR: Autoregressive 3D Molecule Generation with Inertial Frames

arxiv url: http://arxiv.org/abs/2510.27497v1
Date: Fri, 31 Oct 2025 14:19:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-03 17:52:16.125884
Title: InertialAR: Autoregressive 3D Molecule Generation with Inertial Frames
Title（参考訳）: InertialAR:慣性フレームを用いた自己回帰型3D分子生成
Authors: Haorui Li, Weitao Du, Yuqiang Li, Hongyu Guo, Shengchao Liu,
Abstract要約: InertialARは、分子を慣性フレームに整列させる標準的なトークン化を考案している。また、幾何学的回転位置符号化(GeoRoPE)によるアテンション機構も備えている。 InertialARは、無条件分子生成のための10評価指標のうち7つの最先端性能を達成する。
参考スコア（独自算出の注目度）: 28.64470338973616
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Transformer-based autoregressive models have emerged as a unifying paradigm across modalities such as text and images, but their extension to 3D molecule generation remains underexplored. The gap stems from two fundamental challenges: (1) tokenizing molecules into a canonical 1D sequence of tokens that is invariant to both SE(3) transformations and atom index permutations, and (2) designing an architecture capable of modeling hybrid atom-based tokens that couple discrete atom types with continuous 3D coordinates. To address these challenges, we introduce InertialAR. InertialAR devises a canonical tokenization that aligns molecules to their inertial frames and reorders atoms to ensure SE(3) and permutation invariance. Moreover, InertialAR equips the attention mechanism with geometric awareness via geometric rotary positional encoding (GeoRoPE). In addition, it utilizes a hierarchical autoregressive paradigm to predict the next atom-based token, predicting the atom type first and then its 3D coordinates via Diffusion loss. Experimentally, InertialAR achieves state-of-the-art performance on 7 of the 10 evaluation metrics for unconditional molecule generation across QM9, GEOM-Drugs, and B3LYP. Moreover, it significantly outperforms strong baselines in controllable generation for targeted chemical functionality, attaining state-of-the-art results across all 5 metrics.
Abstract（参考訳）: トランスフォーマーをベースとした自己回帰モデルは、テキストや画像などのモダリティにまたがる統一パラダイムとして登場したが、3D分子生成への拡張は未解明のままである。このギャップは、(1)SE(3)変換と原子インデックス置換の両方に不変な1次元トークンの標準的な1次元配列に分子をトークン化すること、(2)連続した3次元座標と離散的な原子型を結合するハイブリッド原子ベースのトークンをモデル化できるアーキテクチャを設計すること、の2つの基本的な課題に起因している。これらの課題に対処するために、InertialARを紹介します。 InertialARは、分子を慣性フレームに整列させ、SE(3)と置換不変性を保証するために原子を並べ替える正準トークン化を考案している。さらに、InertialARは、幾何回転位置符号化(GeoRoPE)を介して、幾何学的認識を伴う注意機構を備える。さらに、階層的な自己回帰パラダイムを用いて次の原子ベースのトークンを予測し、まず原子タイプを予測し、次に拡散損失を介してその3D座標を予測します。 InertialARは、QM9, GEOM-Drugs, B3LYPにおける無条件分子生成の10つの評価指標のうち7つの最先端性能を達成した。さらに、ターゲットとする化学機能に対する制御可能な生成において、強力なベースラインを著しく上回り、すべての5つのメトリクスで最先端の結果が得られる。

関連論文リスト

PRGCN: A Graph Memory Network for Cross-Sequence Pattern Reuse in 3D Human Pose Estimation [18.771349697842947]
本稿では、パターン検索と適応の問題としてポーズ推定を形式化する新しいフレームワークであるパターン再利用グラフ変換ネットワーク(PRGCN)を紹介する。 PRGCNのコアとなるグラフメモリバンクは、リレーショナルグラフとして符号化された一連のコンパクトなポーズプロトタイプを学習し、格納する。 PRGCNは,それぞれ37.1mm,13.4mmのMPJPEを達成し,クロスドメインの一般化能力の向上を図っている。
論文参考訳（メタデータ） (2025-10-22T11:12:07Z)
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)
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 [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)
Tokenizing 3D Molecule Structure with Quantized Spherical Coordinates [28.452581855002855]
Mol-StrucTokは、3次元分子構造をトークン化する新しい方法である。球面座標系において局所的な原子座標を抽出して3次元分子の線記法を設計する。ベクトル量子化変分オートエンコーダ(VQ-VAE)を用いてこれらの座標をトークン化し、生成記述子として扱う。
論文参考訳（メタデータ） (2024-12-02T14:50:44Z)
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)
Diffusion-Driven Generative Framework for Molecular Conformation Prediction [0.66567375919026]
機械学習の急速な進歩は、この文脈における予測モデリングの精度に革命をもたらした。本研究は,最先端な生成手法を提案する。メソッドは原子を独立した実体とみなし、拡散の逆転を導くのに優れている。
論文参考訳（メタデータ） (2023-12-22T11:49:39Z)
CoarsenConf: Equivariant Coarsening with Aggregated Attention for Molecular Conformer Generation [3.31521245002301]
本稿では, 反角に基づく分子グラフをSE(3)等価な階層的変分オートエンコーダに統合するCoarsenConfを紹介する。等変粗粒化により、回転可能な結合を介して連結された部分グラフの微細な原子座標を集約し、可変長粗粒化潜在表現を生成する。本モデルでは, 粗粒の潜在表現から細粒度座標を復元する新しいアグリゲートアテンション機構を用いて, 正確なコンフォメータを効率よく生成する。
論文参考訳（メタデータ） (2023-06-26T17:02:54Z)
Molecular Geometry-aware Transformer for accurate 3D Atomic System modeling [51.83761266429285]
本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。 MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
論文参考訳（メタデータ） (2023-02-02T03:49:57Z)
Geometric Transformer for End-to-End Molecule Properties Prediction [92.28929858529679]
分子特性予測のためのトランスフォーマーに基づくアーキテクチャを導入し,分子の形状を捉える。分子幾何学の初期符号化による古典的な位置エンコーダと、学習されたゲート自己保持機構を改変する。
論文参考訳（メタデータ） (2021-10-26T14:14:40Z)
GeoMol: Torsional Geometric Generation of Molecular 3D Conformer Ensembles [60.12186997181117]
分子グラフからの分子の3Dコンホメーラーアンサンブルの予測は、化学情報学と薬物発見の領域において重要な役割を担っている。既存の生成モデルは、重要な分子幾何学的要素のモデリングの欠如を含むいくつかの欠点がある。エンド・ツー・エンド、非自己回帰、SE(3)不変の機械学習手法であるGeoMolを提案し、3Dコンバータを生成する。
論文参考訳（メタデータ） (2021-06-08T14:17:59Z)

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。