論文の概要: What to randomize matters: a controlled study of volume, axis and representation in low-data molecular generation

• arxiv url: http://arxiv.org/abs/2610.38835v1
• Date: Wed, 28 Oct 2026 20:24:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.414795
• Title: What to randomize matters: a controlled study of volume, axis and representation in low-data molecular generation
• Title（参考訳）: ランダム化の方法:低データ分子生成における体積・軸・表現の制御に関する研究
• Abstract要約: 化学言語モデルは、小さなデータセットでトレーニングされた場合、新しい分子を生成するのに苦労する可能性がある。 SAFEのランダム化は、450倍以上の新しい分子の真の収量を増加させる。 一致したコーパスサイズと計算で、ランダム化されたSAFEは、ランダム化されたSMILESの真の2.8倍の収率を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chemical language models can struggle to generate new molecules when trained on small datasets, where a model may reproduce training examples rather than learn a useful generative distribution. Randomized SMILES augmentation varies atom traversal, whereas Sequential Attachment-based Fragment Embedding (SAFE) also allows the order of fragment blocks to vary. How these distinct sources of representational variation affect low-data molecular generation has not been clearly studied. Here, using 1,000 seed molecules to train an autoregressive sequence model, we compare canonical SAFE with randomized SAFE at increasing corpus sizes, isolate atom-order and fragment-order axes of SAFE randomization, and compare fully randomized SAFE with randomized SMILES at molecule-by-molecule matched training corpora. Three findings emerge. First, randomization of SAFE alone raises the genuine yield of novel molecules more than 450-fold, turning a model that merely reproduces its training set into a practical molecular generator. Second, the two axes of randomization act jointly rather than additively: atom order alone reaches a tenth, and fragment order alone a seventh, of the genuine yield obtained when both vary, which is four times their combined contribution. Third, at matched corpus size and compute, randomized SAFE delivers 2.8 times the genuine yield of randomized SMILES. Welch tests with Games-Howell post-hoc comparisons resolve every difference on the primary outcomes. In the low-data regime, thus, what one randomizes rather than only how much determines whether augmentation produces new molecules or merely new spellings of the training set.
• Abstract（参考訳）: 化学言語モデルは、小さなデータセットでトレーニングされた時に新しい分子を生成するのに苦労する可能性がある。 ランダム化SMILES拡張は原子トラバースが異なるが、逐次アタッチメントベースのフラグメント埋め込み(SAFE)ではフラグメントブロックの順序も異なる。 これらの異なる表現的変化源が低データ分子生成にどのように影響するかは、明確には研究されていない。 そこで,1000個のシード分子を用いて自己回帰配列モデルを訓練し,正準SAFEと無作為SAFEをコーパスサイズの増加時に比較し,SAFEランダム化の原子順と断片順の軸を分離し,完全ランダム化SAFEと無作為SMILESを分子間マッチング学習コーパスで比較した。 3つの発見がある。 第一に、SAFE単独のランダム化は450倍以上の新しい分子の真の収量を高め、トレーニングセットを単に実際の分子生成器として再現するモデルに変換する。 第2に、ランダム化の2つの軸は加法ではなく共同で作用する: 原子の位は1個で10番目、フラグメントの位は1個で7番目である。 第3に、一致したコーパスサイズと計算で、ランダム化されたSAFEは、ランダム化されたSMILESの真の2.8倍の収率を提供する。 Games-Howellのポストホック比較によるウェルチテストは、主要な結果に関するすべての違いを解決します。 したがって、低データ体制では、拡張が新しい分子を生成するか、単にトレーニングセットの新しいスペルを生成するのかを判断するだけでなく、ランダム化する。

関連論文リスト

• Enhancing Diffusion-Based Sampling with Molecular Collective Variables [23.394068689634086]
  拡散に基づくサンプリングは、エネルギーやログ密度だけで複雑な高次元分布をサンプリングすることを学ぶ。 我々は、集合変数(CVs)として知られる原子座標のベスポーク、情報豊か、低次元射影に沿ったシーケンシャルバイアスを導入する。 拡散型サンプリング装置を用いた反応性サンプリングを初めて実施し, 原子間ポテンシャルによる結合破壊と生成をほぼ第一原理精度で観測した。
  論文  参考訳（メタデータ） (2025-10-13T20:44:54Z)
• Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models [50.77646970127369]
  本稿では,Fokker-Planck由来の正規化項を用いたエネルギーベース拡散モデルを提案する。 高速折りたたみタンパク質を含む複数の生体分子系をサンプリング・シミュレートし,本手法を実証する。
  論文  参考訳（メタデータ） (2025-06-20T16:38:29Z)
• Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
  拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。 PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。 N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-19T17:14:22Z)
• DiffER: Categorical Diffusion for Chemical Retrosynthesis [4.8757706070066265]
  DiffERは、カテゴリー拡散の形での逆合成予測のための代替的なテンプレートフリーな手法である。 本研究では,トップ1の精度とトップ3,トップ5,トップ10の精度の競争性能を実現する拡散モデルのアンサンブルを構築する。
  論文  参考訳（メタデータ） (2025-05-29T17:53:37Z)
• Conditional Synthesis of 3D Molecules with Time Correction Sampler [58.0834973489875]
  Time-Aware Conditional Synthesis (TACS) は拡散モデルにおける条件生成の新しい手法である。 適応的に制御されたプラグアンドプレイの"オンライン"ガイダンスを拡散モデルに統合し、サンプルを所望の特性に向けて駆動する。
  論文  参考訳（メタデータ） (2024-11-01T12:59:25Z)
• Generative Model for Small Molecules with Latent Space RL Fine-Tuning to Protein Targets [4.047608146173188]
  トレーニング中に発生する無効な断片化分子の数を減らすため,SAFEに改良を加えた。 本モデルでは, 潜在空間からのサンプリングにより, 有効度90%, フラグメンテーション率1%の新規分子を生成できる。
  論文  参考訳（メタデータ） (2024-07-02T16:01:37Z)
• Exploring Chemical Space with Score-based Out-of-distribution Generation [57.15855198512551]
  生成微分方程式(SDE)にアウト・オブ・ディストリビューション制御を組み込んだスコアベース拡散方式を提案する。 いくつかの新しい分子は現実世界の薬物の基本的な要件を満たしていないため、MOODは特性予測器からの勾配を利用して条件付き生成を行う。 我々はMOODがトレーニング分布を超えて化学空間を探索できることを実験的に検証し、既存の方法で見いだされた分子、そして元のトレーニングプールの上位0.01%までも生成できることを実証した。
  論文  参考訳（メタデータ） (2022-06-06T06:17:11Z)

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。