通过联合几何最优传输加速三维分子生成
机器学习
2025-03-04 v2
摘要
本文提出了一种新的三维分子生成框架GOAT，基于流匹配最优传输目标实现快速有效的三维分子生成。具体地，我们制定了一个几何传输公式，用于测量在基础分布和目标数据分布之间映射多模态特征（例如连续原子坐标和分类原子类型）的成本。该公式在一个联合、等变且平滑的表示空间内求解。这是通过使用等变网络将多模态特征转换为连续潜在空间来实现的。此外，我们发现识别最优分布耦合对于任意两个分布之间的快速有效传输是必要的。我们进一步提出了一种估计和纯化最优耦合的机制，以使用最优传输训练流模型。通过这样做，GOAT可以将任意分布耦合转化为新的确定性耦合，从而为快速三维分子生成提供估计的最优传输计划。纯化过程过滤掉次优分子以确保最终生成质量。我们从理论和实验上证明，所提出的最优耦合估计和纯化产生的传输计划成本非增。最后，大量实验表明，GOAT在求解几何最优传输方面具有高效性，与次优方法相比实现了两倍加速，同时在有效性、唯一性和新颖性方面达到了最佳生成质量。代码可在https://github.com/WanyuGroup/ICLR2025-GOAT获取。
引用
@article{arxiv.2405.15252,
title = {Accelerating 3D Molecule Generation via Jointly Geometric Optimal Transport},
author = {Haokai Hong and Wanyu Lin and Kay Chen Tan},
journal= {arXiv preprint arXiv:2405.15252},
year = {2025}
}
备注
Published as a conference paper at ICLR 2025