Cometh：一种连续时间离散状态图扩散模型
机器学习
2024-10-07 v2
摘要
离散状态去噪扩散模型在图生成中取得了最先进的性能，尤其是在分子领域。最近，它们已被转置到连续时间，从而在逆向过程中提供更大的灵活性，并在采样效率和质量之间实现更好的权衡。在这里，为了利用这两种方法的优势，我们提出了Cometh，一种连续时间离散状态图扩散模型，专门针对图数据的特性量身定制。此外，我们还成功地将先前在离散图扩散模型中使用的结构编码集替换为单一的基于随机游走的编码，为提升模型的表达能力提供了一种简单而有原则的方法。实验表明，在大量分子和非分子基准数据集上，集成连续时间使得各种指标相比最先进的离散状态扩散模型有显著改进。在VUN样本方面，Cometh在平面图数据集上获得了近乎完美的99.5%的性能，并在大型GuacaMol数据集上比DiGress高出12.6%。
引用
@article{arxiv.2406.06449,
title = {Cometh: A continuous-time discrete-state graph diffusion model},
author = {Antoine Siraudin and Fragkiskos D. Malliaros and Christopher Morris},
journal= {arXiv preprint arXiv:2406.06449},
year = {2024}
}
备注
23 pages