等变神经扩散模型用于分子生成
机器学习
2025-06-13 v1
摘要
我们提出了等变神经扩散模型（Equivariant Neural Diffusion, END），这是一种用于三维分子生成的新型扩散模型，具有对欧几里得变换的等变性。与当前最先进的等变扩散模型相比，END 的关键创新在于其可学习的前向过程，以实现更好的生成建模。前向过程不是预先指定的，而是通过时间和数据依赖的变换参数化，该变换对刚性变换等变。通过在标准分子生成基准数据集上的一系列实验，我们展示了 END 在无条件和条件生成任务中与多个强大基线的竞争性能。
引用
@article{arxiv.2506.10532,
title = {Equivariant Neural Diffusion for Molecule Generation},
author = {François Cornet and Grigory Bartosh and Mikkel N. Schmidt and Christian A. Naesseth},
journal= {arXiv preprint arXiv:2506.10532},
year = {2025}
}
备注
38th Conference on Neural Information Processing Systems (NeurIPS 2024)