通过两阶段VAE改善分子性质
机器学习
2022-12-07 v1 定量方法
摘要
变分自编码器（VAE）是一种流行的药物发现方法，已有大量架构与流程被提出以提升其性能。但VAE模型本身存在缺陷，例如当数据位于高维 ambient 空间中嵌入的低维流形上时流形恢复能力差，这些缺陷在不同应用中表现各异。其在药物发现中的后果尚待充分探索。本文研究如何通过两阶段VAE改善VAE生成数据与训练数据集的相似性，从而提升流形恢复能力：第二阶段VAE在第一阶段VAE的潜空间上训练。我们使用ChEMBL数据集以及一个聚合物数据集对方法进行了实验评估。在两个数据集中，两阶段VAE方法均能相较已有方法显著改善性质统计。
引用
@article{arxiv.2212.02750,
title = {Improving Molecule Properties Through 2-Stage VAE},
author = {Chenghui Zhou and Barnabas Poczos},
journal= {arXiv preprint arXiv:2212.02750},
year = {2022}
}