基于OpenFL的分子生成的联邦离散去噪扩散模型
机器学习
2025-01-23 v1 密码学与安全
摘要
生成具有生化期望属性的独特分子以作为可行的药物候选者是一个困难的任务，需要专业的领域知识。近年来，扩散模型在通过AI驱动的分子生成加速药物设计过程方面显示出巨大的潜力。然而，这些模型的训练需要大量数据，而这些数据常常被封闭在专有的孤岛中。OpenFL是一个支持跨这些去中心化数据站点进行隐私保护协作训练的联邦学习框架。在本工作中，我们提出了一个使用OpenFL训练的联邦离散去噪扩散模型。该联邦模型在评估生成分子的唯一性和有效性时，能够与在集中数据上训练的模型实现相当的性能。这表明了联邦学习在药物设计过程中具有实际的用途。OpenFL可在...处获得。
引用
@article{arxiv.2501.12523,
title = {Federated Discrete Denoising Diffusion Model for Molecular Generation with OpenFL},
author = {Kevin Ta and Patrick Foley and Mattson Thieme and Abhishek Pandey and Prashant Shah},
journal= {arXiv preprint arXiv:2501.12523},
year = {2025}
}
备注
10 pages, 5 figures