分子构象的自动编码
机器学习
2021-01-06 v1 化学物理
定量方法
摘要
本文中我们引入一种用于分子构象的自动编码器（Autoencoder）。我们提出的模型将给定分子图（构象）中原子的离散空间排列编码为连续定长潜在表示，并可由该表示解码恢复。我们证明在此潜在表示中，相似构象聚在一起而不同构象彼此分离。此外，通过在大规模分子构象数据集上训练概率模型，我们展示了如何利用我们的模型为给定分子生成多样的能量有利构象集合。最后，我们表明该连续表示使我们能够利用优化方法寻找具有空间性质有利的构象的分子。
引用
@article{arxiv.2101.01618,
title = {Auto-Encoding Molecular Conformations},
author = {Robin Winter and Frank Noé and Djork-Arné Clevert},
journal= {arXiv preprint arXiv:2101.01618},
year = {2021}
}
备注
6 pages, 2 figures, presented at Machine Learning for Molecules Workshop at NeurIPS 2020