論文の概要: TopoCompile: Molecular Generation with Exact Global Count Constraints

• arxiv url: http://arxiv.org/abs/2610.24511v1
• Date: Sat, 17 Oct 2026 07:10:24 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:49:00.978887
• Title: TopoCompile: Molecular Generation with Exact Global Count Constraints
• Title（参考訳）: TopoCompile: 厳格なグローバルカウント制約を持つ分子生成
• Abstract要約: 本稿では,自動回帰型コンポーネントツリージェネレータと動的プログラミングコンパイラを組み合わせたTopoCompileを紹介した。 TopoCompileは、分子を無傷の環系と個々の原子のツリーとして表現し、それぞれが支持する添加剤を成分の上に配置する。 4つのベンチマークデータセットで比較された手法の中で、最も有効か有効なユニク・ノーベル(V.U.N.)を達成する。
• 参考スコア（独自算出の注目度）: 45.010625793865955
• License:
• Abstract: Molecular generation designs novel molecules with desired structures and properties. Global count constraints specify molecular size, elemental composition, and ring content without prescribing detailed structure. Property-conditioned generators steer generation toward such targets but do not guarantee exact satisfaction. We introduce TopoCompile, which combines an autoregressive component-tree generator with a dynamic-programming compiler for supported component-additive integer counts. TopoCompile represents molecules as trees of intact ring systems and individual atoms, making each supported count additive over components. At each step, an autoregressive Transformer scores component and attachment actions, while the compiler masks actions with no target-satisfying completion. Within the fixed component vocabulary and typed attachment rules, constrained decoding guarantees exact equality for supported non-negative, component-additive integer counts. Applied at inference time, these checks let the same trained generator support different targets and count combinations without retraining. Across four benchmarks, TopoCompile achieves 100% Exact-valid yield for Common and Rare four-count target groups; the strongest baseline within each dataset reaches 44.9% or less on Rare targets. In unconditional generation, it achieves the highest validity or valid-unique-novel (V.U.N.) among the compared methods across all four benchmark datasets.
• Abstract（参考訳）: 分子生成は、望ましい構造と性質を持つ新しい分子を設計する。 グローバルカウント制約は、詳細な構造を記述することなく、分子サイズ、元素組成、環含量を規定する。 プロパティ条件付きジェネレータは、そのようなターゲットに向けてステアジェネレータを生成するが、正確な満足度は保証しない。 本稿では,自動回帰型コンポーネントツリージェネレータと動的プログラミングコンパイラを組み合わせたTopoCompileを紹介した。 TopoCompileは、分子を無傷の環系と個々の原子のツリーとして表現し、それぞれが支持する添加剤を成分の上に配置する。 各ステップで自動回帰変換器はコンポーネントとアタッチメントのアクションをスコアし、コンパイラはターゲットを満足しない完了でアクションをマスクする。 固定されたコンポーネント語彙と型付きアタッチメントルールの中では、制約付きデコードにより、サポート対象の非負のコンポーネント付加整数数に対して正確な等式が保証される。 これらのチェックは推論時に適用され、同じトレーニングされたジェネレータが異なるターゲットをサポートし、再トレーニングせずに組み合わせをカウントする。 4つのベンチマークで、TopoCompileはCommonとRareの4つのターゲットグループに対して100%Exact-validを達成しており、データセット内で最強のベースラインはRareターゲットに対して44.9%以下である。 非条件生成では、4つのベンチマークデータセットで比較された手法の中で、最も有効または妥当なユニク・ノーベル(V.U.N.)を達成する。

関連論文リスト

• SCOPE: Semantic Bounded Credit Optimization for Prompt Engineering in Text-to-image Generation [88.26268420879614]
  強化学習 (Reinforcement Learning, RL) により、凍結画像生成装置の書き直しプロンプトにより、言語モデルによるテキスト・ツー・イメージ(T2I)生成を改善することができる。 グループ相対政策最適化(GRPO)に基づく目的であるSCOPEを提案し、更新重み付けをこの構造と整合させる。 SCOPEプールは各スパン内のポリシーログ確率をシフトし、トークン損失の共有係数を導出すると同時に、各完了に対する単一優位性を保持する。
  論文  参考訳（メタデータ） (2026-10-15T17:30:28Z)
• Beyond the Parameter Monolith: Reconstructive Memories, Executable Skills, and Residual Assembly for Language Models [1.0152838128195467]
  言語モデルシステムは、ひとつの共有パラメータシステムを通じてすべての機能を更新する代わりに、コンテキスト計算、永続ストレージ、正確な実行を分離することができる。 FEM-ASMは有限要素に着想を得た組織であり、文書の状態と決定論的実行可能なスキルが共用言語モデルの状態に型付けされた提案に寄与する。 結果は、記憶、実行、神経調整の分離をサポートし、質問のみの検索における未解決の制限、制限なしの回答生成、エンドツーエンドの効率を識別する。
  論文  参考訳（メタデータ） (2026-10-02T20:18:49Z)
• TRACE-Bench: Decomposing and Diagnosing Multi-Reference Image Generation [74.69068352546073]
  TRACE-Benchは、多様な芸術的スタイルと現実世界の主題にまたがるマルチ参照画像の評価ツールである。 631の定式テンプレートと、様々な芸術様式と現実世界の主題にまたがる約4,000の参照画像で構成されている。 その公式構造は、演算子整合性評価プロトコルを駆動し、可視性スコアリングと診断木解析を行う。
  論文  参考訳（メタデータ） (2026-08-17T16:15:50Z)
• Quaternion Self-Attention with Shared Scores [0.21301560294088318]
  既存の四元数自己アテンションは、コンポーネントのスコアを計算し、各コンポーネントに独立したソフトマックス演算を適用する。 四元数内積を用いた1つの実値スコアを計算する共有スコア四元数自己アテンション機構を提案する。 これによりスコア演算の乗算が75%減少し、ソフトマックス演算の数が4から1に減少する。
  論文  参考訳（メタデータ） (2026-05-24T07:52:19Z)
• Multi-Property Synthesis [69.79949693440426]
  複数の特性を持つ合成について研究し、全ての特性を満たすことは不可能かもしれない。 プロパティのサブセットを列挙する代わりに、製品ゲーム状態とそれらから実現可能なゴールセットの関係を1つの固定点計算で計算する。
  論文  参考訳（メタデータ） (2026-01-15T18:18:33Z)
• PanFoMa: A Lightweight Foundation Model and Benchmark for Pan-Cancer [54.958921946378304]
  トランスフォーマーと状態空間モデルの強みを組み合わせた軽量ハイブリッドニューラルネットワークであるPanFoMaを紹介する。 PanFoMaはフロントエンドのローカルコンテキストエンコーダと共有自己認識層から構成され、複雑で秩序に依存しない遺伝子相互作用をキャプチャする。 また,350万以上の高品質な細胞を含む大規模パンキャンサー単細胞ベンチマークPanFoMaBenchを構築した。
  論文  参考訳（メタデータ） (2025-12-02T08:31:31Z)
• Breaking Token Into Concepts: Exploring Extreme Compression in Token Representation Via Compositional Shared Semantics [4.822201556735661]
  多様な意味的面を蓄積する構成構造により,トークンがより効果的に表現できるかどうかを検討する。 製品量子化(PQ)を利用した新しいアプローチであるAggregate Semantic Grouping(ASG)を提案する。 その結果,ASGによるトークンの合成により,埋め込みパラメータの極端な圧縮が達成された。 これらの結果は、トークンを共有セマンティックビルディングブロックの組み合わせとして効果的にモデル化できるという原則を検証する。
  論文  参考訳（メタデータ） (2025-09-22T13:04:48Z)
• Solver-Aided Expansion of Loops to Avoid Generate-and-Test [0.5064404027153093]
  本稿では,最終制約セットを生成するのに必要な組み合わせのみを計算するために,ソルバを用いて全列挙を回避する手法を提案する。 これにより、ハイレベルなユーザモデルをソルバ対応形式に変換する効率が向上する。
  論文  参考訳（メタデータ） (2025-08-11T19:59:16Z)
• The Avengers: A Simple Recipe for Uniting Smaller Language Models to Challenge Proprietary Giants [66.6636608563034]
  より小さなモデルの集合的知性を活用するシンプルなレシピであるAvengersを紹介します。 10のオープンソースモデルで、Avengersは15の多様なデータセットの平均パフォーマンスをGPT-4o、4.1、4.5を上回っている。 特に数学タスクでは GPT-4.1 を 18.21% 、コードタスクでは 7.46% で上回っている。
  論文  参考訳（メタデータ） (2025-05-26T10:29:42Z)

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。