TABASCO：用于分子生成的快速、简化模型，提高物理质量
机器学习
2025-07-02 v1
摘要
基于 3D 分子生成的前沿模型依赖于显著的归纳偏置，包括 SE(3)、对称性下的置换等价性以及图消息传递网络以捕获局部化学结构，尽管如此，生成的分子仍在物理上似乎不够合理。我们引入了 TABASCO 来放宽这些假设：该模型拥有标准的非等变变压器架构，将分子中的原子视为序列，并在生成后确定性地重建键合。没有等变层和消息传递的缺失，使我们能够显著简化模型架构并提升数据吞吐量。在 GEOM-Drugs 基准测试中，TABASCO 实现了最先进的 PoseBusters 有效性，并在推理速度上大约快 10 倍于最强的基线，同时尽管未硬编码对称性，TABASCO 仍显示出涌现性的旋转等价性。我们的工作为训练针对特定任务（如结构和药理构象基于药物设计）的极简高吞吐生成模型提供了蓝图。我们提供了一个实现链接 github.com/carlosinator/tabasco。
引用
@article{arxiv.2507.00899,
title = {TABASCO: A Fast, Simplified Model for Molecular Generation with Improved Physical Quality},
author = {Carlos Vonessen and Charles Harris and Miruna Cretu and Pietro Liò},
journal= {arXiv preprint arXiv:2507.00899},
year = {2025}
}