論文の概要: UniPolymer: A Unified Framework for Property Prediction, Structure Recommendation, and Evaluation in Polyimide Design
- arxiv url: http://arxiv.org/abs/2607.29256v1
- Date: Fri, 31 Jul 2026 10:29:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.693998
- Title: UniPolymer: A Unified Framework for Property Prediction, Structure Recommendation, and Evaluation in Polyimide Design
- Title（参考訳）: UniPolymer: ポリイミド設計における特性予測,構造勧告,評価のための統一フレームワーク
- Abstract要約: 既存の手法は主にターゲット条件付き生成に焦点を当てている。
これにより、設計目標から逸脱した低品質な候補がその後のプロセスに入る。
プロパティ予測,ターゲット条件生成,候補評価,構造推薦のための統合フレームワークであるUniPolymerを提案する。
- 参考スコア（独自算出の注目度）: 16.214614518219367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Designing polyimide structures with specific glass transition temperatures (Tg) is highly challenging. Existing methods primarily focus on target-conditioned generation, lacking an assessment of the consistency between the generated structure and the target properties. This leads to low-quality candidates deviating from the design objective entering subsequent processes, increasing invalid experiments and prolonging the development cycle. To address this issue, we propose UniPolymer, a unified framework for property prediction, target-conditioned generation, candidate evaluation, and structure recommendation in polyimide design and a dataset containing 10066 deduplicated polyimide repeating units with Tg tags (PITg-Curated) was constructed. To improve the consistency between generated candidate structures and the target Tg, UniPolymer first establishes a reliable structure-property relationship mapping through self-supervised chemical semantic learning, structural consistency enhancement, and multi-scale information fusion. Subsequently, the model employs a continuous-discrete joint Tg representation to guide the autoregressive generation of SELFIES. The generated candidate structures are further evaluated using a frozen property predictor and polyimide-specific structural constraints, and ranked according to their deviation from the target Tg, thereby preventing structures deviating from the target from entering the subsequent validation stage. Experimental results show that UniPolymer achieved a property prediction accuracy of R^2=0.93 and a candidate structure evaluation pass rate of 73.79%, which are 2% and 1.21% higher than the best baseline, respectively. Meanwhile, the predicted Tg values of the recommended candidates are in high agreement with the results of molecular dynamics simulations, thereby reducing the number of candidates that enter the high-cost experimental stage.
- Abstract（参考訳）: ガラス転移温度(Tg)に比例したポリイミド構造の設計は非常に困難である。
既存の手法は主にターゲット条件付き生成に重点を置いており、生成した構造とターゲット特性との整合性の評価が欠如している。
これにより、設計目標から外れた低品質な候補がその後のプロセスに入り、無効な実験を増やし、開発サイクルを延長します。
この問題に対処するため、プロパティ予測、ターゲット条件生成、候補評価、構造推薦のための統合フレームワークであるUniPolymerを提案し、Tgタグ(PITg-Curated)付き10066個の重複ポリイミド繰り返しユニットを含むデータセットを構築した。
生成した候補構造とターゲットTgとの整合性を改善するために、UniPolymerは、まず、自己教師付き化学意味学習、構造的整合性向上、マルチスケール情報融合を通じて、信頼性の高い構造-プロパティ関係マッピングを確立する。
その後、SELFIESの自己回帰生成を導くために、連続離散継手Tg表現を用いる。
生成した候補構造は、凍結特性予測器およびポリイミド特異的構造制約を用いてさらに評価され、ターゲットTgからの偏差に応じてランク付けされるので、対象からずれた構造がその後の検証段階に入るのを防止する。
実験の結果、UniPolymerはR^2=0.93の特性予測精度と73.79%の候補構造評価パス率を達成した。
一方、推奨候補の予測されたTg値は分子動力学シミュレーションの結果と高く一致しており、高い実験段階に入る候補の数を減らすことができる。
関連論文リスト
- Molecular representation shapes the balance between target fidelity and exploration in flow based polymer generation [3.734794025729047]
PolyLatentFlowは、非条件および条件付きポリマー生成のための潜在空間における連続時間フローマッチングに基づくフレームワークである。
LlamaUniは、高分子配列と3次元構造情報を組み合わせたマルチモーダル表現である。
論文 参考訳（メタデータ） (2026-09-10T20:39:37Z) - PolymerGPT: Multi-property Optimization with a Decoder-Based GPT Model for Generative Polymer Design [4.3070892829661345]
PolymerGPTはデコーダベースのGPTモデルであり、最大37個の一般的なポリマー特性を生成過程に組み込む。
実験の結果,PolymerGPTは非条件生成および条件生成において例外的な性能を発揮することが示された。
論文 参考訳（メタデータ） (2026-08-02T18:26:04Z) - APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic Systems [64.56252173115246]
そこで本研究では, 基幹構造を不要とした非教師なしアライメントフレームワーク(Atomic Policy Optimization)を提案する。
APOは、新しい二重回帰機構を利用して、3次元原子環境にグループ相対的なポリシー最適化を適用する。
この結果から,本質的な物理的整合性は,ノイズや教師付き座標マッチングよりも優れたアライメントのガイドとなる可能性が示唆された。
論文 参考訳（メタデータ） (2026-07-30T17:21:58Z) - CatalyticMLLM: A Graph-Text Multimodal Large Language Model for Catalytic Materials [61.546562658308005]
触媒材料のためのグラフテキスト多モード大言語モデルQE-Catalytic-V2を提案する。
プロパティ予測と逆設計を同じモデルと共有表現空間に統合する。
この統合フレームワークでは、QE-Catalytic-V2は信頼性の高いプロパティ予測を行うだけでなく、物理的に実現可能なCIF候補を生成し、表示することができる。
論文 参考訳（メタデータ） (2026-05-17T04:31:46Z) - K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。
提案手法はシミュレーションと実世界の応用を通して評価する。
論文 参考訳（メタデータ） (2026-05-14T13:35:44Z) - Property-driven Protein Inverse Folding With Multi-Objective Preference Alignment [19.34182674159143]
タンパク質配列設計は、ターゲットのバックボーンを回復する能力として定義される設計可能性のバランスをとる必要がある。
既存のアプローチでは、これらの性質をポストホック突然変異、推論時間偏見、またはプロパティ固有のサブセットで再訓練することで解決している。
ProtAlignは,多様な開発目標を満たすために,逆折り畳みモデルを微調整する多目的優先アライメントフレームワークである。
論文 参考訳（メタデータ） (2026-03-06T10:57:51Z) - FLOWR.root: A flow matching based foundation model for joint multi-purpose structure-aware 3D ligand generation and affinity prediction [5.216915896877018]
FLOWR:rootは、ポケット対応の3Dリガンド生成のための均質なフローマッチングモデルである。
デ・ノボ生成、薬局補充条件サンプリング、フラグメント・エラボレーション、親和性予測をサポートする。
論文 参考訳（メタデータ） (2025-10-02T21:38:26Z) - Generation of structure-guided pMHC-I libraries using Diffusion Models [0.0]
結晶距離に条件付き拡散モデルを用いて設計したpMHC-Iペプチドの構造誘導型ベンチマークを提案する。
このベンチマークは、以前に特徴付けられたペプチドとは独立して、標準アンカー残基の嗜好を再現する。
これらの構造的安定な設計の結合ポテンシャルを認識するためには,最先端のシーケンスベースの予測器が不十分であることを示す。
論文 参考訳（メタデータ） (2025-07-11T08:29:18Z) - Protein Inverse Folding From Structure Feedback [78.27854221882572]
本稿では,タンパク質の折りたたみモデルからのフィードバックを用いて,逆折りたたみモデルを微調整する手法を提案する。
CATH 4.2 テストセットの結果,DPO の微調整により平均 TM-Score が大幅に向上することが示された。
論文 参考訳（メタデータ） (2025-06-03T16:02:12Z) - 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) - Robust Model-Based Optimization for Challenging Fitness Landscapes [96.63655543085258]
タンパク質の設計には、フィットネスのランドスケープの最適化が含まれる。
指導法は, トレーニングセットにおける高適合度サンプルの多彩さに課題を呈する。
デザイン空間における「分離」というこの問題は、既存のモデルベース最適化ツールにおいて重大なボトルネックとなっていることを示す。
本稿では,新しいVAEを検索モデルとして利用して問題を克服する手法を提案する。
論文 参考訳（メタデータ） (2023-05-23T03:47:32Z) - State-specific protein-ligand complex structure prediction with a
multi-scale deep generative model [68.28309982199902]
タンパク質-リガンド複合体構造を直接予測できる計算手法であるNeuralPLexerを提案する。
我々の研究は、データ駆動型アプローチがタンパク質と小分子の構造的協調性を捉え、酵素や薬物分子などの設計を加速させる可能性を示唆している。
論文 参考訳（メタデータ） (2022-09-30T01:46:38Z)
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。