E(3)等变模型无法学习手性：基于场的分子生成
机器学习
2025-04-21 v2 化学物理
生物大分子
摘要
药物的预期效果高度依赖于其分子几何结构。因此，当前主流范式聚焦于3D点云原子表示，利用图神经网络参数化，并通过E(3)不变层融入旋转对称性。我们证明此类模型必然忽略手性——分子的一种几何性质，即无法通过旋转和平移与其镜像重叠。手性在决定药物安全性和效力中起关键作用。为解决这一明显问题，我们引入一种新颖的基于场的表示，提出替代旋转对称约束的参考旋转。所提出的模型捕获包括手性在内的所有分子几何结构，同时在标准基准指标上仍达到与基于E(3)的方法高度竞争的性能。
引用
@article{arxiv.2402.15864,
title = {E(3)-equivariant models cannot learn chirality: Field-based molecular generation},
author = {Alexandru Dumitrescu and Dani Korpela and Markus Heinonen and Yogesh Verma and Valerii Iakovlev and Vikas Garg and Harri Lähdesmäki},
journal= {arXiv preprint arXiv:2402.15864},
year = {2025}
}
备注
ICLR 2025