論文の概要: Unlocking High-Fidelity Molecular Generation from Mass Spectra via Dual-Stream Line Graph Diffusion

• arxiv url: http://arxiv.org/abs/2605.07048v1
• Date: Thu, 07 May 2026 23:56:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.680226
• Title: Unlocking High-Fidelity Molecular Generation from Mass Spectra via Dual-Stream Line Graph Diffusion
• Title（参考訳）: 二重ストリーム線グラフ拡散による質量スペクトルからの非ロック高忠実分子生成
• Authors: Xujun Che, Xiuxia Du, Depeng Xu,
• Abstract要約: 2つの結合したサブプロブレムの交互解として分子グラフを復調するDualLGDを提案する。 NPLIB1とMassSpecGymのベンチマークでは、DualLGDは34.37%と23.89%という3倍の精度を達成している。
• 参考スコア（独自算出の注目度）: 3.2243643829769586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: De novo molecular generation from tandem mass spectra is a challenging inverse problem whose core difficulty lies in the circular dependency between atom-level and bond-level reasoning: determining a bond's type requires knowing its endpoint atoms' chemical environment, yet an atom's environment is in turn defined by its incident bonds. Existing graph diffusion methods process atoms and bonds within a single computation stream, where atom-bond information synchronization can only occur implicitly across layers. We argue that this single-stream paradigm, rather than the choice of any particular aggregation kernel, is a key architectural bottleneck. We propose DualLGD (Dual-stream Line Graph Diffusion), which reformulates molecular graph denoising as the alternating solution of two coupled subproblems: atom-level reasoning and bond-level reasoning, each operating in its own dedicated representation space. The line graph provides a natural mathematical construction for the bond space, in which bond angles, dihedrals, conjugation chains, and rings correspond to local topological motifs between bonds. Incidence-constrained bidirectional cross-attention synchronizes the two streams at every layer, ensuring that each atom attends only to its incident bonds and vice versa, respecting the fundamental chemical principle that an atom's environment is determined by its bonding context. On the NPLIB1 and MassSpecGym benchmarks, DualLGD achieves top-1 accuracy of 34.37\% and 23.89\%, approximately $3\times$ the previous state of the art. Ablation studies confirm the architecture as the primary source of improvement: DualLGD without any pre-training already surpasses the previous best fully pretrained model.
• Abstract（参考訳）: タンデム質量スペクトルからのデ・ノボ分子生成は、原子準位と結合準位の間の円依存性にコアの困難がある挑戦的な逆問題である: 結合の型を決定するには、そのエンドポイント原子の化学環境を知る必要があるが、原子の環境はその入射結合によって定義される。 既存のグラフ拡散法は単一の計算ストリーム内で原子と結合を処理し、原子結合情報同期はレイヤ間で暗黙的にのみ発生する。 この単一ストリームのパラダイムは、特定の集約カーネルを選択するのではなく、重要なアーキテクチャ上のボトルネックである、と私たちは主張する。 本稿では2つの結合したサブプロブレム(原子レベルの推論と結合レベルの推論)の交互解として分子グラフを復調するDualLGD(Dual-stream Line Graph Diffusion)を提案する。 直線グラフは結合空間の自然な数学的構成を提供し、結合角、二面体、共役鎖、環は結合間の局所位相モチーフに対応する。 入射拘束された双方向の相互配置は、各層における2つのストリームを同期させ、各原子がその入射結合にのみ従うことを保証し、またその結合コンテキストによって原子の環境が決定されるという基本的な化学原理を尊重する。 NPLIB1とMassSpecGymのベンチマークでは、DualLGDは34.37\%と23.89\%というトップ1の精度を達成している。 事前トレーニングなしのデュアルLGDは、以前の最高の完全に事前トレーニングされたモデルを超えています。

関連論文リスト

• Comparison of the standard and dressed-picture master equations for the quantum Rabi model in the ultrastrong coupling regime [78.55450146498553]
  この章は、超強結合状態における量子ラビモデルに対する緩和と脱落の影響について考察する。 これは、結果の非単体力学を実装し、数値的に解くための明示的な公式を提供する。
  論文  参考訳（メタデータ） (2026-04-10T01:22:07Z)
• Enhancing Molecular Property Predictions by Learning from Bond Modelling and Interactions [18.371474900925865]
  原子中心表現学習のためのデュアルグラフフレームワークである textbfDeMol を紹介する。 DeMolは、並列原子中心および結合中心チャネルを通じて分子を明示的にモデル化する。 既存のメソッドよりも優れた、最先端の新たな方法を確立します。
  論文  参考訳（メタデータ） (2026-02-28T09:36:19Z)
• 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)
• Modeling Non-Covalent Interatomic Interactions on a Photonic Quantum Computer [50.24983453990065]
  我々は、cQDOモデルがフォトニック量子コンピュータ上でのシミュレーションに自然に役立っていることを示す。 我々は、XanaduのStrawberry Fieldsフォトニクスライブラリを利用して、二原子系の結合エネルギー曲線を計算する。 興味深いことに、2つの結合したボソニックQDOは安定な結合を示す。
  論文  参考訳（メタデータ） (2023-06-14T14:44:12Z)
• Atomic and Subgraph-aware Bilateral Aggregation for Molecular Representation Learning [57.670845619155195]
  我々は、原子とサブグラフを意識したバイラテラルアグリゲーション(ASBA)と呼ばれる分子表現学習の新しいモデルを導入する。 ASBAは、両方の種類の情報を統合することで、以前の原子単位とサブグラフ単位のモデルの限界に対処する。 本手法は,分子特性予測のための表現をより包括的に学習する方法を提供する。
  論文  参考訳（メタデータ） (2023-05-22T00:56:00Z)
• Higher-order topological Peierls insulator in a two-dimensional atom-cavity system [58.720142291102135]
  我々は、光子を介する相互作用が原子基底状態におけるプラケット配位結合パターンをいかに生み出すかを示す。 このパターンは2Dの非自明なトポロジカルギャップを開き、高次トポロジカル位相ホストコーナー状態をもたらす。 我々の研究は、原子量子シミュレータがいかにして、新しい強相関な位相現象を研究することができるかを示す。
  論文  参考訳（メタデータ） (2023-05-05T10:25:14Z)
• Collective Radiance of Giant Atoms in Non-Markovian Regime [11.798151369038557]
  1次元導波路におけるボゾンモードの連続体と相互作用する2つの巨大人工原子の非マルコフ動力学について検討する。 ある集合状態に対して、崩壊率はディックモデルと標準マルコフの枠組みで予測されるよりもはるかに大きいことが分かる。 BICの閉じ込められた光子/フォノンは、巨大原子のエネルギーレベル分割を変更することで、都合よく再放出される。
  論文  参考訳（メタデータ） (2022-05-23T01:14:56Z)
• MolNet: A Chemically Intuitive Graph Neural Network for Prediction of Molecular Properties [1.231476564107544]
  グラフニューラルネットワーク(GNN)は、化学領域における強力なディープラーニングツールである。 MolNetモデルは化学的に直感的であり、分子内の3D非結合情報を調節する。 MolNetは、BACEデータセットの分類タスクとESOLデータセットの回帰タスクで最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2022-02-01T20:47:28Z)
• Mechanism for particle fractionalization and universal edge physics in quantum Hall fluids [58.720142291102135]
  我々は、FQH流体中の粒子分数化の正確な融合機構を明らかにするための第2量子化フレームワークを前進させる。 また、最低ランダウレベル(LLL)における位相順序を特徴付ける非局所作用素の凝縮の背後にある基本構造を明らかにする。
  論文  参考訳（メタデータ） (2021-10-12T18:00:00Z)

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。