論文の概要: Fixed-Dimensional Latent Flow for Generating Variable-Size 3D Molecules

• arxiv url: http://arxiv.org/abs/2609.08333v1
• Date: Tue, 08 Sep 2026 07:03:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.601199
• Title: Fixed-Dimensional Latent Flow for Generating Variable-Size 3D Molecules
• Title（参考訳）: 可変3次元分子生成のための固定次元潜流
• Abstract要約: 可変サイズの分子を生成するために, 1つの固定次元分子レベルの潜在表現に完全に依存する2段階の生成フレームワークを導入する。 PCQM4Mv2では、EF-TALFMは、UAE-3Dの75.6%、FlowMolの69.8%に対して、ユニークなトレーニングセットの小説、パスサニタイズ、PoseBustersのサニティチェック(89.4%)を達成している。
• 参考スコア（独自算出の注目度）: 28.11511793703245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In molecular discovery, molecule size is coupled to composition, structure, and other target properties. Yet most 3D generators require molecule size to be specified before generation. Here, we introduce Equivariant-Free Transformer-Autoencoded Latent Flow Matching, a two-stage generative framework that relies entirely on a single fixed-dimensional molecule-level latent representation to generate variable-size molecules. The second-stage flow matching model samples this latent vector, and an autoregressive Transformer decoder then determines molecule size while generating atom types, coordinates, and chemically informative states. Canonical atom ordering and rigid-pose alignment enable standard Transformers without equivariant layers, while joint decoding of molecular geometry and an enriched chemical state enables reliable, deterministic, chemistry-guided graph recovery without requiring a learned dense pairwise bond decoder. The same fixed-dimensional latent supports unconditional and property-conditioned flow matching, while optional property supervision adds an internal ranking readout, with no separate predictor or reference calculations. On PCQM4Mv2, EF-TALFM achieves the highest fraction of molecules that are unique, training-set novel, pass sanitization and PoseBusters sanity checks, 89.4\%, compared with 75.6\% for UAE-3D and 69.8\% for FlowMol. EF-TALFM also achieves higher measured computational throughput for training and sampling. Across ten target HOMO--LUMO gaps, internal ranking doubles the density functional theory (DFT)-verified hit rate within $0.1\,\mathrm{eV}$, while preserving 97\% novelty among unique verified hits. These results demonstrate that fixed-dimensional molecule-level generation followed by symmetry-resolved autoregressive realization provides a practical architecture for open-ended and property-directed 3D molecular design.
• Abstract（参考訳）: 分子発見において、分子の大きさは組成、構造、その他の標的特性と結合する。 しかし、ほとんどの3Dジェネレータは、生成前に分子のサイズを特定する必要がある。 ここでは, 可変サイズの分子を生成するために, 1つの固定次元分子レベルの潜在表現に完全に依存する2段階生成フレームワークであるEquivariant-Free Transformer-Autoencoded Latent Flow Matchingを紹介する。 2段目のフローマッチングモデルは、この潜伏ベクトルをサンプリングし、自己回帰トランスフォーマーデコーダは、原子の種類、座標、化学的に情報のある状態を生成しながら分子のサイズを決定する。 標準原子配列と剛体配置は、分子幾何学と濃縮化学状態の連成復号化は、学習された高密度な対結合デコーダを必要とせず、信頼性、決定論的、化学誘導的なグラフ回復を可能にする。 同じ固定次元ラテントは、無条件およびプロパティ条件のフローマッチングをサポートし、オプションのプロパティ管理は、別の予測子や参照計算を伴わず、内部のランキング読み出しを追加する。 PCQM4Mv2では、EF-TALFMは、UAE-3Dでは75.6\%、FlowMolでは69.8\%に対して、ユニークな、トレーニングセットのノベル、パスサニタイズ、ポセバスタースのサニティチェック(89.4\%)である分子の最も少ない割合を達成している。 EF-TALFMは、トレーニングとサンプリングのための高い計算スループットも達成している。 10の目標HOMO-LUMOギャップの中で、内部ランクは密度汎関数理論(DFT)で検証されたヒット率を0.1\,\mathrm{eV}$で2倍にし、ユニークな証明されたヒットのうち97\%の新規性を保っている。 これらの結果は、固定次元分子レベル生成に続いて対称性を解いた自己回帰的実現が、オープンエンドおよびプロパティ指向の3次元分子設計のための実用的なアーキテクチャを提供することを示した。

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)
• Sampling 3D Molecular Conformers with Diffusion Transformers [13.536503487456622]
  拡散変換器 (DiT) は生成モデルにおいて高い性能を示した。 分子へのDiTの適用は、離散的な分子グラフ情報と連続した3次元幾何学の統合など、新しい課題をもたらす。 モジュールアーキテクチャを通じてこれらの課題に対処するために,DiTを適応させるフレームワークであるDiTMCを提案する。
  論文  参考訳（メタデータ） (2025-06-18T11:47:59Z)
• Manipulating 3D Molecules in a Fixed-Dimensional E(3)-Equivariant Latent Space [28.37817038918011]
  本稿では,3次元分子の共有潜在空間をナビゲートすることで,フレキシブルなゼロショット分子操作法を提案する。 MolFLAEは、E(3)同変ニューラルネットワークを用いて3D分子を固定数の潜伏ノードに符号化する。 MolFLAEは、標準的な無条件の3D分子生成ベンチマーク上での競合性能を実現する。
  論文  参考訳（メタデータ） (2025-06-01T01:30:15Z)
• Towards Unified and Lossless Latent Space for 3D Molecular Latent Diffusion Modeling [90.23688195918432]
  3次元分子生成は、薬物発見と物質科学に不可欠である。 既存のアプローチは、典型的には不変かつ同変なモジュラリティに対して別々のラテント空間を保持する。 我々は,3次元分子を潜在空間から潜在配列に圧縮するマルチモーダルVAEである textbfUAE-3D を提案する。
  論文  参考訳（メタデータ） (2025-03-19T08:56:13Z)
• Learning Disentangled Equivariant Representation for Explicitly Controllable 3D Molecule Generation [29.905705361297578]
  テキスト特異的制御による3Dドラッグ様分子の条件生成 本稿では,E(3)-同変ワッサースタインオートエンコーダを提案し,生成モデルの潜伏空間を分子特性と3次元分子の構造的文脈の2つの相違点に分解する。
  論文  参考訳（メタデータ） (2024-12-19T17:33:56Z)
• 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)
• 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)
• Molecular Geometry-aware Transformer for accurate 3D Atomic System modeling [51.83761266429285]
  本稿では,ノード(原子)とエッジ(結合と非結合の原子対)を入力とし,それらの相互作用をモデル化するトランスフォーマーアーキテクチャを提案する。 MoleformerはOC20の緩和エネルギー予測の初期状態の最先端を実現し、QM9では量子化学特性の予測に非常に競争力がある。
  論文  参考訳（メタデータ） (2023-02-02T03:49:57Z)
• DiffBP: Generative Diffusion of 3D Molecules for Target Protein Binding [51.970607704953096]
  従来の研究は通常、原子の要素タイプと3次元座標を1つずつ生成する自己回帰的な方法で原子を生成する。 現実世界の分子系では、分子全体の原子間の相互作用が大域的であり、原子間のエネルギー関数が結合する。 本研究では、標的タンパク質に基づく分子3次元構造の生成拡散モデルを構築し、非自己回帰的に全原子レベルで構築する。
  論文  参考訳（メタデータ） (2022-11-21T07:02:15Z)
• MIMOSA: Multi-constraint Molecule Sampling for Molecule Optimization [51.00815310242277]
  生成モデルと強化学習アプローチは、最初の成功をおさめたが、複数の薬物特性を同時に最適化する上で、依然として困難に直面している。 本稿では,MultI-Constraint MOlecule SAmpling (MIMOSA)アプローチ,初期推定として入力分子を用いるサンプリングフレームワーク,ターゲット分布からのサンプル分子を提案する。
  論文  参考訳（メタデータ） (2020-10-05T20:18:42Z)

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。