論文の概要: Continuous Variational Synthesis

• arxiv url: http://arxiv.org/abs/2609.35083v1
• Date: Mon, 28 Sep 2026 13:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 17:08:41.553858
• Title: Continuous Variational Synthesis
• Title（参考訳）: 連続的変分合成
• Abstract要約: 変分合成モデルが化学反応を制御し、設計された配列の4次配列をDNAで物理的に製造する。 化学合成の制約は、多くのパラメータを離散空間に強制し、事前訓練と微調整の能力を制限する。 連続空間における勾配勾配を用いた自由な変分合成モデルを訓練し、その後、ハードウェアとウェットウェアの制約を課すために、学習後の量子化と区別する。
• 参考スコア（独自算出の注目度）: 3.7841869476488044
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Biological machine learning was long bottlenecked by the ability to synthesize designed DNA. Variational synthesis models control chemical reactions to physically manufacture quadrillions of designed sequences in DNA. However, training these generative models is challenging: constraints on chemical synthesis can force many parameters into a discrete space, limiting the ability to pre-train and fine-tune. In this article we train ``free'' variational synthesis models using stochastic gradient descent in continuous space, and then discretize with post-training quantization to impose hardware and wetware constraints. This enables variational synthesis models to satisfy stringent reward criteria, while still synthesizing diverse designs, achieving a strictly dominating quality-diversity Pareto frontier. We demonstrate by training variational synthesis models of enzymes, peptides, antibody CDRH3s, and regulatory DNA elements. In silico performance is maintained in vitro.
• Abstract（参考訳）: 生物学的機械学習は、設計されたDNAを合成する能力によって長い間ボトルネックとなっていた。 変分合成モデルが化学反応を制御し、設計された配列の4次配列をDNAで物理的に製造する。 しかし、これらの生成モデルの訓練は困難であり、化学合成の制約は、多くのパラメータを離散空間に強制し、事前訓練と微調整の能力を制限する。 本稿では,連続空間における確率勾配勾配を用いた「自由」変分合成モデルを訓練し,その後,ハードウェアとウェットウェアの制約を課すために,学習後の量子化と区別する。 これにより、変分合成モデルは厳密な報酬基準を満たすことができ、同時に様々な設計を合成し、厳密な品質多様性のパレートフロンティアを達成することができる。 酵素,ペプチド,抗体CDRH3および調節DNA要素の変異合成モデルを訓練して示す。 シリカ性能はin vitroで維持される。

関連論文リスト

• SynLaD: Latent Diffusion for Generating Synthesizable Molecules Conditioned on 3D Pharmacophore Profiles [6.375842344102895]
  小型分子生成のための遅延拡散フレームワークであるSynLaDを提案する。 現行のモデルは、一方の目的を犠牲にして最適化し、一方の目的を犠牲にして、高次で合成可能な分子を発見するボトルネックを生み出している。 生物活性合成のためのアナログ生成タスク全体にわたって、SynLaDは、合成可能で多様なヒット生成において、既存のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-07-01T15:57:19Z)
• Expanding functional protein sequence space using high entropy generative models [0.23090185577016445]
  進化的シーケンスデータに基づいて訓練されたボルツマンマシンは、人工タンパク質のデータ駆動設計の強力なパラダイムとして登場した。 本稿では,モデルアーキテクチャ,特にパラメータ密度と実験性能の関係について検討する。
  論文  参考訳（メタデータ） (2026-05-05T09:45:46Z)
• General Multimodal Protein Design Enables DNA-Encoding of Chemistry [87.86845886894861]
  深層生成モデルは結合する新しいタンパク質を設計できるが、触媒残基を事前に特定せずに酵素を生産することはない。 DISCOはタンパク質配列と3D構造を任意の生体構造に共設計するモデルである。 DISCOは反応中間体のみを条件に、新しい活性部位のジオメトリーを持つ多様なヘム酵素を設計する。
  論文  参考訳（メタデータ） (2026-04-06T21:21:11Z)
• Synthesizable Molecular Generation via Soft-constrained GFlowNets with Rich Chemical Priors [42.095574458478616]
  本稿では,S3-GFNという合成可能なSMILES分子を,配列ベースGFlowNetの簡単なソフトレギュラー化により生成する手法を提案する。 実験の結果,S3-GFNは多種多様なタスクにおいて高い報酬で合成可能な分子を生成することができることがわかった。
  論文  参考訳（メタデータ） (2026-02-04T01:27:42Z)
• Rethinking Molecule Synthesizability with Chain-of-Reaction [47.744071119775676]
  合成可能な投影のための生成フレームワークであるReaSynを紹介する。 大規模言語モデル(LLM)における推論経路に類似した合成経路を考慮した新しい視点を提案する。 CoR表記により、ReaSynは化学反応規則を明示的に学習する全ての反応ステップにおいて、密集した監督を受けることができる。
  論文  参考訳（メタデータ） (2025-09-19T15:29:57Z)
• Autonomous nanoparticle synthesis by design [32.63291717930695]
  本稿では,原子スケール構造を特異的に合成する自律的手法を提案する。 提案手法は,実時間実験全散乱(TS)とペア分布関数(PDF)データとをマッチングして合成プロトコルを自動設計する。 我々はこの能力をシンクロトロンで実証し、2つの構造的に異なる金NPの合成に成功した。
  論文  参考訳（メタデータ） (2025-05-19T13:19:30Z)
• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• Fast and Functional Structured Data Generators Rooted in Out-of-Equilibrium Physics [44.97217246897902]
  エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。 伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。 非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2023-07-13T15:08:44Z)

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。