論文の概要: Suiren-1.0 Technical Report: A Family of Molecular Foundation Models
- arxiv url: http://arxiv.org/abs/2603.21942v1
- Date: Mon, 23 Mar 2026 12:59:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.681961
- Title: Suiren-1.0 Technical Report: A Family of Molecular Foundation Models
- Title（参考訳）: Suiren-1.0 Technical Report: a Family of Molecular Foundation Models
- Authors: Junyi An, Xinyu Lu, Yun-Fei Shi, Li-Cheng Xu, Nannan Zhang, Chao Qu, Yuan Qi, Fenglei Cao,
- Abstract要約: Suiren-1.0は3つの特殊変種(Suiren-Base, Suiren-Dimer, Suiren-ConfAvg)から構成される。
Suiren-1.0は、様々なタスクにまたがって最先端の結果を確立する。
- 参考スコア（独自算出の注目度）: 16.005665948017608
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Suiren-1.0, a family of molecular foundation models for the accurate modeling of diverse organic systems. Suiren-1.0 comprising three specialized variants (Suiren-Base, Suiren-Dimer, and Suiren-ConfAvg) is integrated within an algorithmic framework that bridges the gap between 3D conformational geometry and 2D statistical ensemble spaces. We first pre-train Suiren-Base (1.8B parameters) on a 70M-sample Density Functional Theory dataset using spatial self-supervision and SE(3)-equivariant architectures, achieving robust performance in quantum property prediction. Suiren-Dimer extends this capability through continued pre-training on 13.5M intermolecular interaction samples. To enable efficient downstream application, we propose Conformation Compression Distillation (CCD), a diffusion-based framework that distills complex 3D structural representations into 2D conformation-averaged representations. This yields the lightweight Suiren-ConfAvg, which generates high-fidelity representations from SMILES or molecular graphs. Our extensive evaluations demonstrate that Suiren-1.0 establishes state-of-the-art results across a range of tasks. All models and benchmarks are open-sourced.
- Abstract（参考訳）: 多様な有機系の正確なモデリングのための分子基盤モデルであるS Suiren-1.0を紹介する。
3つの特殊変種 (Suiren-Base, Suiren-Dimer, Suiren-ConfAvg) からなる Suiren-1.0 は、3次元コンフォメーション幾何学と2次元統計アンサンブル空間の間のギャップを埋めるアルゴリズムの枠組みに統合される。
空間自己スーパービジョンとSE(3)-同変アーキテクチャを用いた70Mサンプル密度汎関数理論データセット上で,まずS Suiren-Base(1.8Bパラメータ)を事前訓練し,量子特性予測において堅牢な性能を実現する。
Suiren-Dimerはこの能力を、13.5M分子間相互作用サンプルの事前学習を通じて拡張している。
複雑な3次元構造表現を2次元コンフォーメーション平均表現に蒸留する拡散型フレームワークであるコンフォーメーション圧縮蒸留(CCD)を提案する。
これにより、SMILES や分子グラフから高忠実度表現を生成する軽量な Suiren-ConfAvg が得られる。
Suiren-1.0は様々なタスクにまたがって最先端の結果を確立していることを示す。
すべてのモデルとベンチマークはオープンソースである。
関連論文リスト
- M^3: Dense Matching Meets Multi-View Foundation Models for Monocular Gaussian Splatting SLAM [36.28718478194476]
M3はMulti-view基盤モデルを専用のMatchingヘッドで拡張し、細粒度の密度の高い通信を容易にする。
室内および屋外の様々なベンチマークの実験は、ポーズ推定とシーン再構成の両方において最先端の精度を示している。
論文 参考訳（メタデータ） (2026-03-17T17:52:37Z) - VEDA: 3D Molecular Generation via Variance-Exploding Diffusion with Annealing [4.288647933894182]
VEDAは分散拡散とアニーリングを組み合わせて3D構造を生成するフレームワークである。
QM9とGEOM-DRUGSデータセットでは、VEDAはフローベースモデルのサンプリング効率と一致する。
VEDAの生成した構造は、緩和エネルギーによって測定されるように、驚くほど安定である。
論文 参考訳（メタデータ） (2025-11-11T05:45:37Z) - Pearl: A Foundation Model for Placing Every Atom in the Right Location [52.35027831422145]
タンパク質-リガンド共フォールディングの基礎モデルであるPearlを紹介した。
パールはタンパク質-リガンド結合における新しい最先端性能を確立している。
Pearlは、パブリックなRuns N' PosesとPoseBustersベンチマークでAlphaFold 3や他のオープンソースベースラインを上回っている。
論文 参考訳（メタデータ） (2025-10-28T17:36:51Z) - PFDepth: Heterogeneous Pinhole-Fisheye Joint Depth Estimation via Distortion-aware Gaussian-Splatted Volumetric Fusion [61.6340987158734]
ヘテロジニアス多視点深度推定のための最初のピンホール・フィッシュアイ・フレームワークPFDepthを提案する。
PFDepthは、ピンホールと魚眼カメラの任意の組み合わせを、様々な内在と外生とで処理できる統一アーキテクチャを採用している。
我々は,現在の主流深度ネットワーク上でのKITTI-360およびRealHetデータセットに対して,PFDepthが最先端の性能を示すことを示す。
論文 参考訳（メタデータ） (2025-09-30T09:38:59Z) - Frame-based Equivariant Diffusion Models for 3D Molecular Generation [16.663144492330247]
分子生成のためのスケーラブルでフレキシブルで物理的に基盤化されたパラダイムとして,フレームベースの拡散について検討する。
本研究は, フレームベース拡散を分子生成のための拡張性, 柔軟性, 物理的基盤となるパラダイムとして確立する。
論文 参考訳（メタデータ） (2025-09-23T19:23:37Z) - H3R: Hybrid Multi-view Correspondence for Generalizable 3D Reconstruction [39.22287224290769]
H3Rは、潜在融合と注目に基づく機能集約を統合するハイブリッドフレームワークである。
両パラダイムを統合することで,既存手法よりも2$times$高速に収束しながら,一般化が促進される。
本手法は,ロバストなクロスデータセットの一般化を実証しながら,可変数および高分解能な入力ビューをサポートする。
論文 参考訳（メタデータ） (2025-08-05T05:56:30Z) - 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) - 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)
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。