一种用于分子距离几何的生成模型
机器学习
2021-02-09 v4 机器学习
摘要
人们投入大量计算工作来生成分子系统的平衡态，例如使用马尔可夫链蒙特卡洛方法。我们提出了一种概率模型，该模型从分子的图表示中生成统计独立的分子样本。我们的模型通过学习一个低维流形来保持局部原子邻域的几何结构，该流形基于欧几里得距离几何的系统性学习表示。在一个新的分子构象生成基准测试中，我们通过实验表明我们的生成模型达到了最先进的精度。最后，我们展示了如何将我们的模型用作重要性采样方案中的提议分布来计算分子性质。
引用
@article{arxiv.1909.11459,
title = {A Generative Model for Molecular Distance Geometry},
author = {Gregor N. C. Simm and José Miguel Hernández-Lobato},
journal= {arXiv preprint arXiv:1909.11459},
year = {2021}
}