論文の概要: Budgeted Quotient-Residual Guidance for Frozen Pocket-Conditioned Molecular Diffusion
- arxiv url: http://arxiv.org/abs/2609.31222v1
- Date: Fri, 25 Sep 2026 13:02:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.401279
- Title: Budgeted Quotient-Residual Guidance for Frozen Pocket-Conditioned Molecular Diffusion
- Title（参考訳）: 凍結ポケット型分子拡散のための予算的残留誘導法
- Abstract要約: 分子ジェネレータを再訓練することなく、商目的をアクティブにする推論時間補正法であるQRGを導入する。
QRGは、厳密なコベクターを計量水平方向の周囲方向へ持ち上げ、凍結サンプリングのステップノルムによって設定された信頼予算を通じてそれらを提供する。
制御された商タスクは、サンプル相対的なデリバリが、生の局所的な商勾配が休眠状態を離れるシグナルを活性化することを確認する。
- 参考スコア（独自算出の注目度）: 6.287131598767398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pocket-conditioned molecular diffusion updates ambient atom coordinates, but many lead-optimization objectives are expressed on quotient features such as distances, contacts, and anchored substructures. We introduce budgeted quotient-residual guidance (QRG), an inference-time correction that makes these quotient objectives active without retraining the molecular generator. QRG lifts quotient covectors to metric-horizontal ambient directions and delivers them through a trust budget set by the frozen sampler's own step norm: quotient geometry chooses the direction, while sampler motion bounds the scale. We derive the horizontal lift, closed-form sampler-budget update, KL/kinetic interpretation around a frozen reverse step, equivariance conditions, and a product-budget split for budget-capped section and residual controls. Controlled quotient tasks confirm that sampler-relative delivery activates signals that raw local quotient gradients leave dormant. On frozen TargetDiff backbones, official seed-0 CBGBench ligand-generation/editing sweeps show practical quality-runtime gains: Local-QRG improves validity from 0.815 to 0.864 on fragment growing, 0.664 to 0.707 on scaffold hopping, and 0.681 to 0.712 on linker design, while PredNext-QRG improves fragment/scaffold and remains near-neutral on linker. Novelty remains 1.000 and diversity is preserved in the matched multi-seed molecular slice, giving task-dependent improvements without sampler retraining or backbone modification. Overall, QRG provides a lightweight route to quotient-aware inference for frozen molecular samplers with explicit runtime accounting.
- Abstract（参考訳）: ポケット条件の分子拡散は、周囲原子座標を更新するが、多くの鉛最適化目的は、距離、接触、固定された部分構造といった商的な特徴で表される。
本稿では,分子発生器を再訓練することなく,これらの商目的をアクティブにする推定時間補正法であるQRGを導入する。
QRGは、余剰コベクターを計量水平方向の周囲方向へ持ち上げ、凍結されたサンプルのステップノルムによって設定された信頼予算(商幾何学は方向を選択するが、サンプルの運動はスケールを束縛する。
我々は, 水平昇降, クローズドフォームのサンプル・バッジ更新, 凍結した逆ステップのKL/運動論的解釈, 等分散条件, および, 予算カット区間と残量制御のための製品・予算分割を導出した。
制御された商タスクは、サンプル相対的なデリバリが、生の局所的な商勾配が休眠状態を離れるシグナルを活性化することを確認する。
冷凍されたTargetDiffのバックボーンでは、公式のシード-0 CBGBenchリガンド世代/編集スイープが実用的な品質改善を示しており、ローカルQRGはフラグメント成長で0.815から0.864、スキャフォールドホッピングで0.664から0.707、リンカ設計で0.681から0.712、PredNext-QRGはフラグメント/スキャフォールドを改善し、リンカではほぼ中立である。
新規性は1.000であり、多様性はマッチしたマルチシード分子スライスに保持され、スライダのリトレーニングやバックボーンの変更なしにタスク依存の改善をもたらす。
全体としてQRGは、明示的な実行時会計を伴う凍結分子サンプリング器の商認識推論への軽量な経路を提供する。
関連論文リスト
- MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
MeshHealは、完全に分散化された自己修復フレームワークである。
能力にマッチしたピアレビューを2つのタイムスケールに分けている。
1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
論文 参考訳（メタデータ） (2026-09-24T04:29:37Z) - Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。
グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
論文 参考訳（メタデータ） (2026-08-06T15:38:55Z) - TwistedMerge: Certified Higher-Order Diagnostics and Abstention for Model Merging [0.48086260459837454]
我々は、チェックポイントが局所対象、アライメントマップが遷移、サイクル積が残留する有限降下問題としてマージを定式化する。
提案手法は, 定数エッジのNo-go結果, フリーズ・コンプレックスの3方向およびプレファミリーの誤差制御定理, 比較・複雑感度の精査試験である。
訓練された低ランク適応型監査では, 平均化係数は選択したGLr代表に依存するが, 大域的因子同期と高密度デルタSVDは安定である。
論文 参考訳（メタデータ） (2026-07-23T03:24:50Z) - Guidance Breaks the Fitted Operator: A Terminal-Fitted Repair for Classifier-Free Guidance [0.6768558752130311]
インテグレータ分析レンズを用いて拡散フリーガイダンス(CFG)を解析する。
このガイダンスは, 判別部分空間を, 異常な1+wに正確に再シュミレーションすることを示す。
DDIMはもはや装着されておらず、粗いメッシュ上では、sigma_minがゼロになるにつれて、ガイドされた残基が分岐する。
論文 参考訳（メタデータ） (2026-07-08T17:21:51Z) - FreeBridge: Variational Schrödinger Bridges for Cellular Transition Dynamics [48.14051378654045]
FreeBridgeはエンドポイントのみを監督する単一セル遷移モデリングのためのSchrdinger Bridgeである。
FreeBridgeは、統合評価プロトコルの下で、競合的または改善されたエンドポイントの忠実性とメカニズムの保持を維持している。
論文 参考訳（メタデータ） (2026-06-09T16:46:59Z) - Probability-Conserving Flow Guidance [49.03107678763765]
Adaptive Manifold Guidance (AdaMaG)はリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。
画像生成ベンチマーク全体で、AdaMaGはリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。
論文 参考訳（メタデータ） (2026-05-19T16:34:01Z) - Physics Guided Generative Optimization for Trotter Suzuki Decomposition [2.0305676256390934]
本稿では, トロッター鈴木シミュレーションにおける製品公式の生成と評価のループについて述べる。
条件拡散モデルは戦略を提案し、物理情報ニューラルネットワークは微分フィデリティフィードバックを提供し、グラフニューラルネットワークは通勤者構造を符号化する。
この結果から, NISQ 指向コンパイルにおいて, 「生成モデルと物理監督」 が実現可能な角度であることが示唆された。
論文 参考訳（メタデータ） (2026-05-13T09:48:33Z) - Quotient-Categorical Representations for Bellman-Compatible Average-Reward Distributional Reinforcement Learning [8.988097534171995]
本稿では、状態付きバイアス法則を共通翻訳まで特定する商空間定式化を導入する。
同期の正確な更新は、商法レベルでゲイン非依存であることを示す。
論文 参考訳（メタデータ） (2026-05-11T22:17:09Z) - MolPaQ: Modular Quantum-Classical Patch Learning for Interpretable Molecular Generation [0.9322836589877972]
MOLPAQは量子古典的生成装置で、量子生成潜伏パッチから分子を組み立てる。
遅延批評家によるアドリラル微調整は100%RDKitの妥当性、99.75%の新規性、0.905の多様性をもたらす。
論文 参考訳（メタデータ） (2026-03-27T17:14:06Z) - DiffusionNFT: Online Diffusion Reinforcement with Forward Process [99.94852379720153]
Diffusion Negative-aware FineTuning (DiffusionNFT) は、フローマッチングを通じて前方プロセス上で直接拡散モデルを最適化する新しいオンラインRLパラダイムである。
DiffusionNFTは、CFGフリーのFlowGRPOよりも25倍効率が高い。
論文 参考訳（メタデータ） (2025-09-19T16:09:33Z) - Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。
そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。
良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。
我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文 参考訳（メタデータ） (2023-12-25T01:00:58Z)
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。