GraphNVP：一种用于生成分子图的可逆流模型
机器学习
2019-05-29 v1 人工智能
机器学习
摘要
我们提出 GraphNVP，首个基于可逆标准化流的可逆分子图生成模型。我们将图的生成分解为两步：生成 (i) 邻接张量和 (ii) 节点属性。这种分解结合两个新颖的可逆流，实现了图结构数据上的精确似然最大化。我们通过实验证明，我们的模型高效地生成有效的分子图，且几乎无重复分子。此外，我们观察到学习到的潜空间可用于生成具有期望化学性质的分子。
引用
@article{arxiv.1905.11600,
title = {GraphNVP: An Invertible Flow Model for Generating Molecular Graphs},
author = {Kaushalya Madhawa and Katushiko Ishiguro and Kosuke Nakago and Motoki Abe},
journal= {arXiv preprint arXiv:1905.11600},
year = {2019}
}
备注
12 pages, 7 figures