通过渐进蒸馊等变潜在扩散模型加速分子构象生成
定量方法
2024-04-23 v1 机器学习
摘要
近期快速采样方法在扩散模型中的应用已在图像模态上展现出显著潜力。我们将这些方法应用于三维分子构象，基于近期提出的GeoLDM等变潜在扩散模型（Xu 等，2023）。我们评估了速度提升与分子构象结构稳定性之间之间的权衡。我们引入等变潜在渐进蒸馊，一种保留几何等变性并加速潜在扩散模型生成的快速采样算法。我们的实验表明，采样速度可提升最高7.5倍，且分子稳定性 degradation 有限。这些结果表明，这种加速采样方法在计算生化学、药物发现及生命科学等高通量体外分子构象筛选中具有巨大潜力。
引用
@article{arxiv.2404.13491,
title = {Accelerating the Generation of Molecular Conformations with Progressive Distillation of Equivariant Latent Diffusion Models},
author = {Romain Lacombe and Neal Vaidya},
journal= {arXiv preprint arXiv:2404.13491},
year = {2024}
}
备注
Accepted at the Generative and Experimental Perspectives for Biomolecular Design Workshop at the 12th International Conference on Learning Representations, 2024