结合表示与生成的扩散状态预测信息瓶颈
机器学习
2025-10-14 v1 统计力学
定量方法
摘要
生成建模在高维空间中变得越来越数据密集。在分子科学中，数据收集成本高昂且重要事件罕见，压缩到低维流形对于包括生成在内的各种下游任务尤为重要。我们将一个旨在表征分子重要表示的时间滞后信息瓶颈与一个扩散模型结合在一个联合训练目标中。由此产生的协议，我们称之为扩散状态预测信息瓶颈（D-SPIB），能够在一种灵活的架构中平衡表示学习和生成目标。此外，该模型能够结合来自不同分子模拟轨迹的温度信息，以学习一个连贯且有用的热力学内部表示。我们在多个分子任务上对D-SPIB进行了基准测试，并展示了其在探索训练集之外的物理条件方面的潜力。
引用
@article{arxiv.2510.09784,
title = {Combined Representation and Generation with Diffusive State Predictive Information Bottleneck},
author = {Richard John and Yunrui Qiu and Lukas Herron and Pratyush Tiwary},
journal= {arXiv preprint arXiv:2510.09784},
year = {2025}
}