基于流匹配的分子构型生成优化器
机器学习
2025-10-07 v1 定量方法
摘要
低能态分子构型生成（MCG）是药物发现中的基础性且具挑战性的问题。去噪基于方法包括扩散模型和流匹配方法，这些方法学习从简单基分布映射到分子构型分布的函数。然而，这些方法在采样过程中常因在低信噪比步骤中的误差积累而受限，这些步骤难以训练。为此，我们提出一种用于 MCG 任务的流匹配优化器。该方法从上游去噪模型输出的混合质量结果初始化采样，并重新安排噪声尺度，以绕过低信噪比阶段，从而提升样本质量。在 GEOM-QM9 和 GEOM-Drugs 基准数据集上，生成器-优化器管道在保持多样性的同时，以更少的总去噪步骤实现质量提升。
引用
@article{arxiv.2510.04878,
title = {Flow-Matching Based Refiner for Molecular Conformer Generation},
author = {Xiangyang Xu and Hongyang Gao},
journal= {arXiv preprint arXiv:2510.04878},
year = {2025}
}