基于冯·米塞斯混合分布的分子构象生成
化学物理
2023-06-14 v1 机器学习
机器学习
摘要
分子常以图表示，但底层的 3D 分子几何（原子的位置）最终决定了大多数分子性质。然而，大多数分子并非静止，在室温下会采用多种几何或构象。由此在几何上得到的分布 p(x) 称为玻尔兹曼分布，许多分子性质是在该分布下计算的期望。因此，从玻尔兹曼分布生成准确样本对于精确计算这些期望至关重要。传统的基于采样的方法计算昂贵，且近期多数基于机器学习的方法侧重于识别该分布中的模态而非生成真实样本。生成此类样本需要捕捉构象可变性，且已被广泛认识到分子中大部分构象可变性源于可旋转键。本工作中，我们提出 VonMisesNet，一种新图神经网络，通过将可旋转键扭转角变分近似为冯·米塞斯分布混合来捕捉构象可变性。我们证明 VonMisesNet 能以相对于玻尔兹曼分布物理准确且比现有采样方法快数个数量级的方式为任意分子生成构象。
引用
@article{arxiv.2306.07472,
title = {Von Mises Mixture Distributions for Molecular Conformation Generation},
author = {Kirk Swanson and Jake Williams and Eric Jonas},
journal= {arXiv preprint arXiv:2306.07472},
year = {2023}
}
备注
ICML 2023