GraphEBM：基于能量模型的分子图生成
机器学习
2021-04-13 v2
摘要
我们注意到，大多数现有的分子图生成方法无法保证置换不变性的内在性质，导致生成模型中出现非预期的偏差。在这项工作中，我们提出 GraphEBM，使用能量模型生成分子图。特别地，我们以置换不变的方式参数化能量函数，从而使 GraphEBM 具有置换不变性。我们应用 Langevin 动力学通过近似最大化似然来训练能量函数，并生成低能量样本。此外，为生成具有期望性质的分子，我们提出一种简单而有效的策略，该策略根据相应分子的性质按灵活程度压低能量。最后，我们探索以组合方式使用 GraphEBM 生成具有多目标的分子。在随机、目标导向和组合生成任务上的综合实验结果证明了我们所提方法的有效性。
引用
@article{arxiv.2102.00546,
title = {GraphEBM: Molecular Graph Generation with Energy-Based Models},
author = {Meng Liu and Keqiang Yan and Bora Oztekin and Shuiwang Ji},
journal= {arXiv preprint arXiv:2102.00546},
year = {2021}
}
备注
Accepted by Energy-Based Models Workshop ICLR 2021