論文の概要: Atoms as Language: VQ-Atom: Semantic Discretization for Molecular Representation Learning

• arxiv url: http://arxiv.org/abs/2605.16823v1
• Date: Sat, 16 May 2026 05:45:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.107062
• Title: Atoms as Language: VQ-Atom: Semantic Discretization for Molecular Representation Learning
• Title（参考訳）: 言語としての原子: VQ-Atom:分子表現学習のための意味的離散化
• Authors: Takayuki Kimura,
• Abstract要約: VQ-Atomは、連続的な原子レベルのグラフ表現を局所的な化学環境に対応する離散トークンに変換するセマンティックな離散化フレームワークである。 VQ-Atomは従来のトークン化手法に比べて予測性能が一貫して向上していることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Molecular representation learning has become a central approach in AI-driven drug discovery, yet existing molecular tokenizations such as SMILES remain largely syntactic and do not naturally align with chemically meaningful substructures. In this work, we introduce VQ-Atom, a semantic discretization framework that converts continuous atom-level graph representations into discrete tokens corresponding to local chemical environments. Using graph neural network embeddings and vector quantization, atoms are assigned to codebook entries representing chemically meaningful atomic contexts. These discrete tokens define a molecular language suitable for Transformer-based pretraining. We evaluate VQ-Atom in protein-ligand interaction prediction under a protein-cold split setting without relying on 3D structural information. Experimental results show that VQ-Atom consistently improves predictive performance compared to conventional tokenization approaches, suggesting that semantically grounded discretization can substantially enhance molecular representation learning. Our findings indicate that token design itself plays a critical role in enabling effective language modeling for chemistry.
• Abstract（参考訳）: 分子表現学習は、AIによる薬物発見において中心的なアプローチとなっているが、SMILESのような既存の分子トークン化は、主に統語的であり、化学的に意味のあるサブ構造と自然に一致しない。 本稿では,連続的な原子レベルのグラフ表現を局所化学環境に対応する離散トークンに変換するセマンティックな離散化フレームワークであるVQ-Atomを紹介する。 グラフニューラルネットワークの埋め込みとベクトル量子化を用いて、原子は化学的に意味のある原子コンテキストを表すコードブックエントリに割り当てられる。 これらの離散トークンはトランスフォーマーベースの事前学習に適した分子言語を定義する。 タンパク質-配位子相互作用予測におけるVQ-Atomを3次元構造情報に頼らずに,タンパク質-コールド分割条件下で評価した。 実験結果から,VQ-Atomは従来のトークン化手法に比べて常に予測性能を向上し,分子表現学習を大幅に向上させることが示唆された。 本研究は,トークン設計自体が化学における効果的な言語モデリングの実現に重要な役割を担っていることを示唆している。

関連論文リスト

• QT-Net: Rethinking Evaluation of AI Models in Atomic Chemical Space [5.76402440170162]
  量子トポロジカルニューラルネットワーク(Quantum Topological Neural Network, QT-Net)は、回転的に拡張された非同変グラフニューラルネットワークである。 QT-Netは、トレーニングセット外のQM9から分子中の原子の性質を推測するために使用できることを示す。 我々はQT-NetのJAX実装を含むすべてのコードとデータをリリースし、原子スケールの分子機械学習のための誘導バイアスとして学習されたQTAプロパティの幅広い利用を支援する。
  論文  参考訳（メタデータ） (2026-05-11T12:29:10Z)
• AtomDisc: An Atom-level Tokenizer that Boosts Molecular LLMs and Reveals Structure--Property Associations [11.856011146903889]
  AtomDiscは、原子レベルのローカル環境を大規模言語モデルに埋め込まれた構造対応トークンに定量化するフレームワークです。 実験の結果、AtomDiscは、データ駆動方式で、構造-プロパティ関連を示す化学的に意味のある構造的特徴を識別できることがわかった。
  論文  参考訳（メタデータ） (2025-11-28T02:42:17Z)
• Knowledge-aware contrastive heterogeneous molecular graph learning [77.94721384862699]
  分子グラフを不均一な分子グラフ学習(KCHML)に符号化するパラダイムシフトを提案する。 KCHMLは、不均一な分子グラフと二重メッセージパッシング機構によって強化された3つの異なるグラフビュー-分子、元素、薬理学-を通して分子を概念化する。 この設計は、プロパティ予測やドラッグ・ドラッグ・インタラクション(DDI)予測などの下流タスクに対する包括的な表現を提供する。
  論文  参考訳（メタデータ） (2025-02-17T11:53:58Z)
• Pre-trained Molecular Language Models with Random Functional Group Masking [54.900360309677794]
  SMILESをベースとしたアンダーリネム分子アンダーリネム言語アンダーリネムモデルを提案し,特定の分子原子に対応するSMILESサブシーケンスをランダムにマスキングする。 この技術は、モデルに分子構造や特性をよりよく推測させ、予測能力を高めることを目的としている。
  論文  参考訳（メタデータ） (2024-11-03T01:56:15Z)
• FARM: Functional Group-Aware Representations for Small Molecules [55.281754551202326]
  小型分子のための機能的グループ認識表現(FARM)について紹介する。 FARMはSMILES、自然言語、分子グラフのギャップを埋めるために設計された新しいモデルである。 我々は、13のタスクのうち11のタスクで最先端のパフォーマンスを達成するMoleculeNetデータセット上で、FARMを評価した。
  論文  参考訳（メタデータ） (2024-10-02T23:04:58Z)
• 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)
• MolCPT: Molecule Continuous Prompt Tuning to Generalize Molecular Representation Learning [77.31492888819935]
  分子表現学習のための「プリトレイン,プロンプト,ファインチューン」という新しいパラダイム,分子連続プロンプトチューニング(MolCPT)を提案する。 MolCPTは、事前訓練されたモデルを使用して、スタンドアロンの入力を表現的なプロンプトに投影するモチーフプロンプト関数を定義する。 いくつかのベンチマークデータセットの実験により、MollCPTは分子特性予測のために学習済みのGNNを効率的に一般化することが示された。
  論文  参考訳（メタデータ） (2022-12-20T19:32:30Z)
• Do Large Scale Molecular Language Representations Capture Important Structural Information? [31.76876206167457]
  本稿では,MoLFormerと呼ばれる効率的なトランスフォーマーエンコーダモデルのトレーニングにより得られた分子埋め込みについて述べる。 実験の結果,グラフベースおよび指紋ベースによる教師付き学習ベースラインと比較して,学習された分子表現が競合的に機能することが確認された。
  論文  参考訳（メタデータ） (2021-06-17T14:33:55Z)

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。