面向分子生成模型的更佳几何表征
机器学习
2026-05-11 v1
摘要
几何表征条件化的分子生成提供了一种有效的范式，将分子表征建模与结构生成解耦，从而显著提升生成过程的效率和质量。然而，其有效性根本受限于表征空间的质量：预训练的分子编码器（如 UniMol）产生的表征是非平滑的，在生成训练过程中未被充分利用。本文提出了 LENSEs 框架，以更好地挖掘分子表征在条件化生成方法中的潜能。具体而言，LENSEs 引入三种互补机制：(1) 一个在生成任务中同步训练的表征头部，从预训练编码器中提取多层次表征；(2) 分子感知损失，在语义信息丰富的表征空间中优化生成器；(3) 节点级表征对齐(REPA)损失，显式对齐生成器的隐藏状态与编码器表征，减少预训练与生成之间的语义鸿沟。我们通过大量分子生成任务验证了这些改进的有效性。具体而言，在具有挑战性的分子生成数据集 GEOM-DRUG 上，LENSEs 实现了97.28%的有效性和98.51%的分子稳定性，超越了现有先进方法。进一步的分析通过 Lipschitz 常数降低（4.6倍）和 QM9 探针任务也表明，生成训练的精炼表征更平滑、更具信息性，建立了以对齐目标为基础的预训练范式作为分子编码器的潜在路径。
关键词
引用
@article{arxiv.2605.07693,
title = {Toward Better Geometric Representations for Molecule Generative Models},
author = {Shaoheng Yan and Zian Li and Cai Zhou and Qiaojing Huang and Kai Liu and Muhan Zhang},
journal= {arXiv preprint arXiv:2605.07693},
year = {2026}
}