Fugu-MT 論文翻訳(概要): Robust Inference-Time Steering of Protein Diffusion Models via Embedding Optimization

論文の概要: Robust Inference-Time Steering of Protein Diffusion Models via Embedding Optimization

arxiv url: http://arxiv.org/abs/2602.05285v1
Date: Thu, 05 Feb 2026 04:13:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-06 18:49:08.754756
Title: Robust Inference-Time Steering of Protein Diffusion Models via Embedding Optimization
Title（参考訳）: 埋め込み最適化によるタンパク質拡散モデルのロバスト推論時間ステアリング
Authors: Minhuan Li, Jiequn Han, Pilar Cossio, Luhuan Wu,
Abstract要約: EmbedOptは、条件埋め込み空間における実験可能性の最適化のために、拡散モデルを操るための推論時アプローチである。 EmbedOptは地図適合タスクにおいて座標に基づく後続サンプリング法よりも優れており、距離制約タスクのパフォーマンスと一致していることを示す。
参考スコア（独自算出の注目度）: 6.097829741846035
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In many biophysical inverse problems, the goal is to generate biomolecular conformations that are both physically plausible and consistent with experimental measurements. As recent sequence-to-structure diffusion models provide powerful data-driven priors, posterior sampling has emerged as a popular framework by guiding atomic coordinates to target conformations using experimental likelihoods. However, when the target lies in a low-density region of the prior, posterior sampling requires aggressive and brittle weighting of the likelihood guidance. Motivated by this limitation, we propose EmbedOpt, an alternative inference-time approach for steering diffusion models to optimize experimental likelihoods in the conditional embedding space. As this space encodes rich sequence and coevolutionary signals, optimizing over it effectively shifts the diffusion prior to align with experimental constraints. We validate EmbedOpt on two benchmarks simulating cryo-electron microscopy map fitting and experimental distance constraints. We show that EmbedOpt outperforms the coordinate-based posterior sampling method in map fitting tasks, matches performance on distance constraint tasks, and exhibits superior engineering robustness across hyperparameters spanning two orders of magnitude. Moreover, its smooth optimization behavior enables a significant reduction in the number of diffusion steps required for inference, leading to better efficiency.
Abstract（参考訳）: 多くの生体物理学的逆問題において、その目標は、物理的に可視であり、実験的な測定と整合する生体分子のコンホメーションを生成することである。近年のシーケンシャル・ツー・ストラクチャーの拡散モデルが強力なデータ駆動型先行モデルを提供しているため、実験的可能性を用いて原子座標を目標にすることで、後部サンプリングが一般的なフレームワークとして登場した。しかし、目標が前者の低密度領域にある場合、後部サンプリングは、可能性が高いガイダンスの攻撃的かつ不安定な重み付けを必要とする。この制限によって動機づけられたEmbedOptは、条件埋め込み空間における実験可能性の最適化のために、拡散モデルをステアリングするための代替の推論時間アプローチである。この空間はリッチシーケンスと共進化シグナルを符号化するので、実験的な制約に合わせる前に拡散を効果的にシフトさせる。低温-電子顕微鏡マップの適合と実験距離制約をシミュレートした2つのベンチマークでEmbedOptを検証する。 EmbedOpt は地図適合タスクにおいて座標に基づく後続サンプリング法よりも優れており、距離制約タスクのパフォーマンスと一致し、2桁の高パラメータにわたって優れたエンジニアリングロバスト性を示す。さらに、その滑らかな最適化挙動により、推論に必要な拡散ステップの数が大幅に減少し、効率が向上する。

論文の概要: Robust Inference-Time Steering of Protein Diffusion Models via Embedding Optimization

関連論文リスト