基于扩散机制且带信息先验桥的分子生成
机器学习
2022-09-05 v1
摘要
基于 AI 的分子生成为生物医学科学与工程的广泛领域（如抗体设计、水解酶工程或疫苗开发）提供了有前景的方法。由于分子受物理定律支配，关键挑战在于将先验信息融入训练过程以生成高质量且真实的分子。我们提出一种简单而新颖的方法，利用物理与统计先验信息来引导基于扩散的生成模型训练。这是通过构建物理知情的扩散桥（即在固定终止时间保证产生给定观测的随机过程）实现的。我们开发了基于 Lyapunov 函数的方法来构建并确定桥，并提出了若干信息先验桥方案，用于高质量分子生成与均匀性促进的三维点云生成。通过综合实验，我们表明该方法为三维生成任务提供了强大途径，产出的分子结构具有更优的质量与稳定性分数，以及更均匀分布的高质量点云。
引用
@article{arxiv.2209.00865,
title = {Diffusion-based Molecule Generation with Informative Prior Bridges},
author = {Lemeng Wu and Chengyue Gong and Xingchao Liu and Mao Ye and Qiang Liu},
journal= {arXiv preprint arXiv:2209.00865},
year = {2022}
}