基于 GFlowNets 的平衡分子构象生成
机器学习
2023-10-24 v1 人工智能
摘要
采样多样且热力学可行的分子构象在预测分子性质中起着关键作用。本文提出使用 GFlowNet 从由分子能量决定的玻尔兹曼分布(Boltzmann distribution)中采样小分子的构象。所提方法可与不同保真度的能量估计方法结合使用，并为高柔性类药分子发现多样的低能量构象集合。我们证明 GFlowNet 可通过按玻尔兹曼分布比例采样来复现分子势能面(potential energy surfaces)。
引用
@article{arxiv.2310.14782,
title = {Towards equilibrium molecular conformation generation with GFlowNets},
author = {Alexandra Volokhova and Michał Koziarski and Alex Hernández-García and Cheng-Hao Liu and Santiago Miret and Pablo Lemos and Luca Thiede and Zichao Yan and Alán Aspuru-Guzik and Yoshua Bengio},
journal= {arXiv preprint arXiv:2310.14782},
year = {2023}
}