D3MES：用于 3D 分子生成的扩散 Transformer 多头等变自注意力
机器学习
2025-01-14 v1 化学物理
摘要
理解和预测分子的多样构象状态对于推动化学、材料科学和药物开发等领域的发展至关重要。尽管生成模型已取得显著进展，但准确生成与生物学或材料相关的复杂分子结构仍是主要挑战。本文引入一种用于三维（3D）分子生成的扩散模型，将可分类的扩散模型 Diffusion Transformer 与多头等变自注意力相结合。该方法解决了两个关键挑战：通过学习在氢原子被移除后分子的表示来正确地在生成的分子中附加氢原子；克服现有模型无法同时生成多个类别中分子的限制。实验结果表明，我们的模型不仅在多个关键指标上实现了最先进的性能，而且在鲁棒性和通用性方面表现出色，非常适合分子设计中的早期大规模生成过程，随后进行验证和进一步筛选，以获得具有特定属性的分子。
引用
@article{arxiv.2501.07077,
title = {D3MES: Diffusion Transformer with multihead equivariant self-attention for 3D molecule generation},
author = {Zhejun Zhang and Yuanping Chen and Shibing Chu},
journal= {arXiv preprint arXiv:2501.07077},
year = {2025}
}