分子生成是否需要等变模型？
机器学习
2025-07-15 v1 定量方法
摘要
深度生成模型正日益增加用于分子发现，最近的大多数方法依赖于等变图神经网络 (GNN)，认为明确的等变性对于生成高质量 3D 分子至关重要。然而，这些模型复杂、难以训练且规模不佳。我们研究了非等变卷积神经网络 (CNN) 通过旋转数据增广训练是否可以学习等变性并匹配等变模型的性能。我们推导了一种损失分解，将预测误差与等变性误差分离，并评估了模型大小、数据集大小和训练持续时间对去噪、分子生成和属性预测性能的影响。鉴于本文是首次分析生成任务中所学等变性的研究，我们的发现具有重要意义。
引用
@article{arxiv.2507.09753,
title = {Do we need equivariant models for molecule generation?},
author = {Ewa M. Nowara and Joshua Rackers and Patricia Suriana and Pan Kessel and Max Shen and Andrew Martin Watkins and Michael Maser},
journal= {arXiv preprint arXiv:2507.09753},
year = {2025}
}