基于扭转感知的灵活金属有机框架生成
生物大分子
2026-02-05 v4 机器学习
摘要
设计具有新型化学组成的金属有机框架（MOF）是长期以来的挑战，由于其庞大的组合空间和建构块的复杂三维构象。虽然最近的深度生成模型已实现可扩展的MOF生成，但它们假设（1）固定的建构块集合，以及（2）已知的建构块的局部三维坐标。这限制了其（1）设计新型MOF的能力，以及（2）使用新建构块生成结构的能力。我们提出了一个两阶段的MOF生成框架，通过建模化学和几何自由度来克服这些限制。首先，我们训练一个基于SMILES的自回归模型来生成金属和有机建构块，配合化学信息工具进行三维结构初始化。其次，我们引入一个流匹配模型来预测平移、旋转和扭转角，以将建构块组装成有效的三维框架。我们的实验表明，方法在重构精度方面得到改善，能够生成有效的、新颖的且唯一的MOF，以及能够创建新建构块的能力。我们的代码已公开于https://github.com/nayoung10/MOFFlow-2。
引用
@article{arxiv.2505.17914,
title = {Flexible MOF Generation with Torsion-Aware Flow Matching},
author = {Nayoung Kim and Seongsu Kim and Sungsoo Ahn},
journal= {arXiv preprint arXiv:2505.17914},
year = {2026}
}
备注
24 pages, 9 figures