基于扩散变换器的 3D 分子构型采样
人工智能
2025-06-19 v1
摘要
扩散变换器(Diffusion Transformers, DiTs)在生成建模中展现出强大的性能，尤其是在图像合成方面，使其成为分子构型生成的有力选择。然而，将 DiTs 应用于分子引入了新挑战，如将离散分子图信息与连续 3D 几何集成、处理欧几里得对称性，以及设计能够跨分子大小和结构变化的条件机制。我们提出DiTMC，一个框架通过模块化体系结构解决这些挑战，将 3D 坐标处理与对原子连通性的条件分离。为此，我们引入两种互补的基于图的条件策略，无缝集成到 DiT 架构中。这些方法结合了不同的注意力机制，包括标准非等变和 SO(3) 等变形式，实现对准确性与计算效率之间灵活权衡的控制。在标准构型生成基准(GEOM-QM9、GEOM-DRUGS、GEOM-XL)上的实验表明，DiTMC 在精度和物理有效性方面实现了最先进水平。我们的结果突显了架构选择和对称性先验如何影响样本质量与效率，为大规模分子结构生成模型指明了前景。代码已公开于 https://github.com/ML4MolSim/dit_mc。
引用
@article{arxiv.2506.15377,
title = {Efficient and Generalizable Environmental Understanding for Visual Navigation},
author = {Ruoyu Wang and Xinshu Li and Chen Wang and Lina Yao},
journal= {arXiv preprint arXiv:2506.15377},
year = {2025}
}