論文の概要: Generative Molecular Morphing for Flexible-Size Design via Unbalanced Optimal Transport

• arxiv url: http://arxiv.org/abs/2606.07239v1
• Date: Fri, 05 Jun 2026 13:07:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.745005
• Title: Generative Molecular Morphing for Flexible-Size Design via Unbalanced Optimal Transport
• Title（参考訳）: 不均衡最適輸送によるフレキシブルサイズ設計のための生成分子モルフィング
• Authors: Malte Franke, Stefan P. Schmid, Zarko Ivkovic, Kjell Jorner, Andreas Krause,
• Abstract要約: 幾何グラフに基づく条件付きおよび非条件付き3次元分子設計のためのフレキシブルサイズ生成モデルであるMorphを紹介する。 サイズを動的に適応することにより、Morphは足場のような既存の構造的事前をシームレスに統合し、プロパティのステアリングを大幅に強化することができる。 我々は,Morphが現在の固定サイズモデルと一致し,非並列サンプリング柔軟性の利点を提供することを示した。
• 参考スコア（独自算出の注目度）: 27.245262040077716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The success of generative molecular design hinges on a model's steerability toward high-reward samples. Because many molecular properties are intrinsically linked to molecular size, accurately capturing the joint distribution of properties and the number of atoms is essential. However, current diffusion and flow-based models fix the number of atoms, which ultimately limits their ability to navigate this complex relationship. To address this, we introduce Morph, a flexible-size generative model for conditional and unconditional 3D molecular design based on geometric graphs. By dynamically adapting size, Morph can seamlessly integrate existing structural priors, like scaffolds, and significantly enhances property steering. We show that Morph matches current fixed-size state-of-the-art models while offering the benefit of unparalleled sampling flexibility. We demonstrate out-of-distribution generation in regimes where previous models fail, paving the way for enhanced generative modeling for molecular design.
• Abstract（参考訳）: 生成分子設計の成功は、モデルが高逆サンプルに対する操舵性に左右される。 多くの分子特性は本質的に分子サイズと結びついているので、特性の結合分布と原子の数を正確に把握することが不可欠である。 しかし、現在の拡散と流れに基づくモデルでは原子の数が固定され、最終的にこの複雑な関係をナビゲートする能力は制限される。 この問題を解決するために,幾何グラフに基づく条件付きおよび非条件付き3次元分子設計のためのフレキシブルサイズ生成モデルであるMorphを紹介する。 サイズを動的に適応することにより、Morphは足場のような既存の構造的事前をシームレスに統合し、プロパティのステアリングを大幅に強化することができる。 我々は,Morphが現在の固定サイズモデルと一致し,非並列サンプリング柔軟性の利点を提供することを示した。 分子設計のための生成モデル強化への道筋をたてて, 従来のモデルが失敗する体制において, 分配のアウト・オブ・ディストリビューション生成を実証する。

関連論文リスト

• FlexiFlow: decomposable flow matching for generation of flexible molecular ensemble [43.16267651837197]
  FlexiFlowはフローマッチングモデルを拡張する新しいアーキテクチャです。 本稿では,QM9およびGEOM Drugsデータセットに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2025-11-21T13:50:54Z)
• FlowMol3: Flow Matching for 3D De Novo Small-Molecule Generation [0.0]
  FlowMol3はオープンソースのマルチモーダルフローマッチングモデルで、全原子、小分子生成のための最先端技術である。 本研究は,拡散型および流動型分子生成モデルの安定性と品質を向上させるための,単純かつ伝達可能な戦略を強調した。
  論文  参考訳（メタデータ） (2025-08-18T05:13:27Z)
• LMDM:Latent Molecular Diffusion Model For 3D Molecule Generation [6.720821935934759]
  本稿では,3次元分子を多様性に富み,リッチな幾何学的特徴を維持できる潜在分子拡散モデルを提案する。 このモデルは、原子間の力と局所的な制約の情報を取り込んで、生成した分子がユークリッド変換を維持する。 実験では, 生成した試料の品質とモデル収束速度を大幅に改善した。
  論文  参考訳（メタデータ） (2024-12-05T15:25:18Z)
• DecompOpt: Controllable and Decomposed Diffusion Models for Structure-based Molecular Optimization [49.85944390503957]
  DecompOptは、制御可能・拡散モデルに基づく構造に基づく分子最適化手法である。 DecompOptは強いde novoベースラインよりも優れた特性を持つ分子を効率よく生成できることを示す。
  論文  参考訳（メタデータ） (2024-03-07T02:53:40Z)
• Molecule Design by Latent Prompt Transformer [76.2112075557233]
  本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。 本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:33:23Z)
• Molecule Design by Latent Space Energy-Based Modeling and Gradual Distribution Shifting [53.44684898432997]
  化学的・生物学的性質が望ましい分子の生成は、薬物発見にとって重要である。 本稿では,分子の結合分布とその特性を捉える確率的生成モデルを提案する。 本手法は種々の分子設計タスクにおいて非常に強力な性能を発揮する。
  論文  参考訳（メタデータ） (2023-06-09T03:04:21Z)
• Geometric Latent Diffusion Models for 3D Molecule Generation [172.15028281732737]
  生成モデル、特に拡散モデル(DM)は、特徴豊富な測地を生成する上で有望な結果を得た。 我々はGeoLDM(Geometric Latent Diffusion Models)と呼ばれる新しい3次元分子生成法を提案する。
  論文  参考訳（メタデータ） (2023-05-02T01:07:22Z)
• MUDiff: Unified Diffusion for Complete Molecule Generation [104.7021929437504]
  本稿では,原子の特徴,2次元離散分子構造,および3次元連続分子座標を含む分子の包括的表現を生成する新しいモデルを提案する。 拡散過程を認知するための新しいグラフトランスフォーマーアーキテクチャを提案する。 我々のモデルは、安定で多様な分子を設計するための有望なアプローチであり、分子モデリングの幅広いタスクに適用できる。
  論文  参考訳（メタデータ） (2023-04-28T04:25:57Z)
• Learning Neural Generative Dynamics for Molecular Conformation Generation [89.03173504444415]
  分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。 分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-02-20T03:17:58Z)

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。