論文の概要: DriftingMol: Decoder-Coupled Drift for One-Pass Property-Conditional Molecular Generation

• arxiv url: http://arxiv.org/abs/2605.24841v1
• Date: Sun, 24 May 2026 03:17:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.471056
• Title: DriftingMol: Decoder-Coupled Drift for One-Pass Property-Conditional Molecular Generation
• Title（参考訳）: DriftingMol:デコーダ結合ドリフトによる1パース特性制御分子生成
• Authors: Jiangjie Qiu, Yijun Li, Wentao Li, Xiaonan Wang,
• Abstract要約: SELFIES潜在分子空間にドリフトモデルを適用する2段階のフレームワークであるDriftingMolを紹介する。 デコーダ結合ドリフトでは、ドリフト勾配はデコーダ特徴写像を通してDitジェネレータに逆伝播され、プルバックメトリックが誘導される。 制御された15の変種のうち、デコーダ特徴による勾配経路を保存するモデルは、テストされた潜在空間、ランダムな機能、および外部機能ドリフトの変種よりも高い相関性が得られる。
• 参考スコア（独自算出の注目度）: 8.59642525668345
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Property-conditional molecular generation should produce valid, diverse molecules while responding to continuous target values at low sampling cost. We introduce DriftingMol, a two-stage framework that adapts drifting models to a SELFIES latent molecular space. A frozen SELFIES beta-VAE provides the latent space, and the hidden representation of its decoder serves as the drift feature map. In decoder-coupled drift, decoder weights remain fixed, but drift gradients are backpropagated through the decoder feature map to a DiT generator, inducing a pullback metric aligned with molecular decoding. On ZINC250K, the default setting achieves QED Spearman correlation 0.493 with 94.7% uniqueness, while the strongest decoder-coupled condition reaches 0.510. Under protocol-matched four-property conditioning, decoder-coupled drift reaches mean Spearman correlation up to 0.598. Across 15 controlled variants, models that preserve the gradient path through decoder features achieve higher correlations than the tested latent-space, random-feature, and external-feature drift variants, while detached or stop-gradient decoder controls yield near-zero QED correlation and very low uniqueness. These results indicate that decoder-coupled drift is a useful low-cost mechanism for property-biased molecular generation, requiring one generator evaluation and one frozen decoder pass.
• Abstract（参考訳）: 特性条件分子生成は、サンプリングコストの低い連続目標値に応答しながら、有効で多様な分子を生成するべきである。 SELFIES潜在分子空間にドリフトモデルを適用する2段階のフレームワークであるDriftingMolを紹介する。 凍結したSELFIES beta-VAEは潜伏空間を提供し、デコーダの隠れ表現はドリフト特徴写像として機能する。 デコーダ結合ドリフトでは、デコーダの重みは固定されているが、ドリフト勾配はデコーダ特徴写像を介してDiTジェネレータに逆伝播され、分子デコードと整合したプルバックメトリックが誘導される。 ZINC250Kでは、デフォルト設定はQEDスピアマン相関0.493と94.7%の独自性を達成するが、最も強いデコーダ結合条件は0.510に達する。 プロトコル整合4値条件下では,デコーダ結合ドリフトの平均スピアマン相関は0.598。 15種類の制御された変種のうち、デコーダによる勾配経路を保存するモデルは、テストされた潜在空間、ランダム・フィーチャー、および外部機能ドリフトの変種よりも高い相関性を達成する一方、デコーダまたは停止段階のデコーダは、ほぼゼロのQED相関と非常に低い一意性をもたらす。 以上の結果から,デコーダ結合ドリフトは特性バイアス分子生成に有用な低コストの機構であり,1つのジェネレータ評価と1つの凍結デコーダパスが必要であることが示唆された。

関連論文リスト

• Metric--Phase Fields: Decoupling Distance and Sign for Thin-Structure Reconstruction from Unoriented Point Clouds [67.30236447078187]
  本稿では,距離近接を位相相から分離する非結合な暗黙的表現であるMetric-Phase Fields (MPFs)を紹介する。 合成および走査された薄殻形状と薄板形状の両方の実験により、MPFは最近のSDF法よりも薄くて層状構造を忠実に保存することが示された。
  論文  参考訳（メタデータ） (2026-05-25T07:08:57Z)
• Tippett-minimum Fusion of Representation-space Diffusion Models for Multi-Encoder Out-of-Distribution Detection [1.6921396880325779]
  我々は,IDデータのみから,各エンコーダの特定のシフトタイプに対する感度を統計的に同定する。 EncMin2L - エンコーダの2レベルの$min(cdot)$ゲートで、エンコーダの拡散に基づく検出器を結合し、校正する。
  論文  参考訳（メタデータ） (2026-05-19T21:18:49Z)
• Markov Chain Decoders Overcome the Heavy-Tail Limitations of Lipschitz Generative Models [0.0]
  ヘビーテール分布は、性能評価、ネットワークトラフィック、リスクモデリングで広く利用されている。 ガウスデコーダをマルコフ連鎖に基づく位相型(PH)分布に置き換える。 PHに基づくモデルでは、テールコルモゴロフ-スミルノフ間距離を最大x6、極端量子誤差を最大x10まで削減できることを示す。
  論文  参考訳（メタデータ） (2026-05-18T14:21:46Z)
• DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
  エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。 強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。 これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
  論文  参考訳（メタデータ） (2025-12-08T17:29:52Z)
• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• Think Twice before Driving: Towards Scalable Decoders for End-to-End Autonomous Driving [74.28510044056706]
  既存のメソッドは通常、分離されたエンコーダ-デコーダパラダイムを採用する。 本研究は,この問題を2つの原則で緩和することを目的としている。 まず、エンコーダの特徴に基づいて、粗い将来の位置と行動を予測する。 そして、その位置と動作を条件に、将来のシーンを想像して、それに従って運転した場合にその影響を確認する。
  論文  参考訳（メタデータ） (2023-05-10T15:22:02Z)
• String-based Molecule Generation via Multi-decoder VAE [56.465033997245776]
  可変オートエンコーダ(VAE)による文字列型分子生成の問題点について検討する。 本稿では,そのタスクに対するVAEの性能を改善するための,シンプルで効果的なアイデアを提案する。 実験では,提案するVAEモデルを用いて,領域外分布からサンプルを生成する。
  論文  参考訳（メタデータ） (2022-08-23T03:56:30Z)
• Non-Autoregressive Transformer ASR with CTC-Enhanced Decoder Input [54.82369261350497]
  CTCモジュールの予測を精算することでターゲットシーケンスを生成するCTC拡張NARトランスを提案する。 実験結果から,Aishell-1およびAishell-2データセットでは,Aishell-1およびAishell-2データセットの絶対CER劣化が0。
  論文  参考訳（メタデータ） (2020-10-28T15:00:09Z)
• Variance Constrained Autoencoding [0.0]
  エンコーダの場合、同時に分布制約を強制し、出力歪みを最小化しようとすると、生成的および再構成的品質が低下することを示す。 本稿では,分散制約のみを適用した分散制約付きオートエンコーダ(VCAE)を提案する。 実験の結果,VCAEは,MNISTとCelebAの再構成および生成品質において,ワッサースタインオートエンコーダと変分オートエンコーダを改良することがわかった。
  論文  参考訳（メタデータ） (2020-05-08T00:50:50Z)

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。