論文の概要: Equivariant Asynchronous Diffusion: An Adaptive Denoising Schedule for Accelerated Molecular Conformation Generation

• arxiv url: http://arxiv.org/abs/2603.10093v1
• Date: Tue, 10 Mar 2026 16:05:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.631839
• Title: Equivariant Asynchronous Diffusion: An Adaptive Denoising Schedule for Accelerated Molecular Conformation Generation
• Title（参考訳）: Equivariant Asynchronous Diffusion: 分子コンフォーメーションの高速化のための適応型Denoising Schedule
• Authors: Junyi An, Chao Qu, Yun-Fei Shi, Zhijian Zhou, Fenglei Cao, Yuan Qi,
• Abstract要約: これらの制限を克服するために、Equivariant Asynchronous Diffusion (EAD)を導入します。 EADは、両方のアプローチの強みを組み合わせた、新しい拡散モデルである。 そこで我々は動的スケジューリング機構を提案し,その時間ステップを適応的に決定する。
• 参考スコア（独自算出の注目度）: 11.728955527605747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent 3D molecular generation methods primarily use asynchronous auto-regressive or synchronous diffusion models. While auto-regressive models build molecules sequentially, they're limited by a short horizon and a discrepancy between training and inference. Conversely, synchronous diffusion models denoise all atoms at once, offering a molecule-level horizon but failing to capture the causal relationships inherent in hierarchical molecular structures. We introduce Equivariant Asynchronous Diffusion (EAD) to overcome these limitations. EAD is a novel diffusion model that combines the strengths of both approaches: it uses an asynchronous denoising schedule to better capture molecular hierarchy while maintaining a molecule-level horizon. Since these relationships are often complex, we propose a dynamic scheduling mechanism to adaptively determine the denoising timestep. Experimental results show that EAD achieves state-of-the-art performance in 3D molecular generation.
• Abstract（参考訳）: 最近の3次元分子生成法は、主に非同期自己回帰または同期拡散モデルを用いる。 自己回帰モデルは分子を逐次構築するが、短い地平線とトレーニングと推論の相違によって制限される。 逆に、同期拡散モデルは全ての原子を一度に分解し、分子レベルの水平線を提供するが、階層的な分子構造に固有の因果関係を捉えない。 これらの制限を克服するために、Equivariant Asynchronous Diffusion (EAD)を導入します。 EADは、両方のアプローチの長所を組み合わせた、新しい拡散モデルである。 これらの関係は複雑であることが多いため,動的スケジューリング機構を提案し,時間経過を適応的に決定する。 実験結果から,ERDは3次元分子生成における最先端性能を実現することが示された。

関連論文リスト

• Dynamical Regimes of Multimodal Diffusion Models [0.0]
  本稿では,Ornstein-Uhlenbeck過程をトラクタブルモデルとして用いた,結合拡散モデルの理論的枠組みを提案する。 重要な予測は同期ギャップ'であり、異なる固有モードが異なる速度で安定化する逆生成過程の時間窓である。 本研究では,結合強度がスペクトルフィルタとして機能し,時間的階層の調整が可能であることを示す。
  論文  参考訳（メタデータ） (2026-02-04T17:16:12Z)
• Breaking the Bottlenecks: Scalable Diffusion Models for 3D Molecular Generation [0.0]
  拡散モデルは分子設計のための強力な生成モデルとして登場した。 彼らの使用は、長いサンプリング軌道、逆過程のばらつき、そして力学の認知における構造的認識の制限によって制限されている。 直接分極拡散モデル(英語版)は、逆MCMC更新を決定論的分極ステップに置き換えることでこれらの非効率性を緩和する。
  論文  参考訳（メタデータ） (2026-01-13T20:09:44Z)
• 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)
• LDMol: A Text-to-Molecule Diffusion Model with Structurally Informative Latent Space Surpasses AR Models [55.5427001668863]
  テキスト条件付き分子生成のための遅延拡散モデル LDMol を提案する。 実験の結果, LDMolはテキストから分子生成ベンチマークにおいて, 既存の自己回帰ベースラインよりも優れていた。 我々は,LDMolを分子間検索やテキスト誘導分子編集などの下流タスクに適用できることを示す。
  論文  参考訳（メタデータ） (2024-05-28T04:59:13Z)
• Geometric-Facilitated Denoising Diffusion Model for 3D Molecule Generation [32.464905769094536]
  既存の拡散に基づくデノボ3次元分子生成法は2つの大きな課題に直面している。 本研究では,グローバル空間関係を完全に抽出し,高品質な表現を学習するためのDual-Track Transformer Network(DTN)を提案する。 第2の課題は、エッジを直接潜伏空間に埋め込むのではなく、トレーニング期間中に結合の形成に介入する幾何学的識別損失(GFLoss)を設計することである。
  論文  参考訳（メタデータ） (2024-01-05T07:29:21Z)

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。