通过去噪体素网格生成三维分子
机器学习
2024-03-12 v2 定量方法
摘要
我们提出一种基于分数的新方法，用于生成以规则网格上原子密度表示的三维分子。首先，我们训练一个去噪神经网络，学习从平滑的含噪分子分布映射到真实分子分布。然后，我们遵循神经经验贝叶斯框架（Saremi and Hyvarinen, 19）并分两步生成分子：（i）通过欠阻尼朗之万马尔可夫链蒙特卡洛从平滑分布中采样含噪密度网格，（ii）通过单步去噪含噪网格来恢复“干净”分子。我们的方法 VoxMol 以与当前最优方法（即应用于原子点云的扩散模型）根本不同的方式生成分子。它在数据表示、噪声模型、网络架构与生成建模算法方面均有所不同。我们的实验表明，VoxMol 比最优方法更好地捕捉了类药物分子的分布，同时生成样本更快。
引用
@article{arxiv.2306.07473,
title = {3D molecule generation by denoising voxel grids},
author = {Pedro O. Pinheiro and Joshua Rackers and Joseph Kleinhenz and Michael Maser and Omar Mahmood and Andrew Martin Watkins and Stephen Ra and Vishnu Sresht and Saeed Saremi},
journal= {arXiv preprint arXiv:2306.07473},
year = {2024}
}