面向分子生成的向量量化结构感知扩散模型 (VQ-SAD)
机器学习
2026-05-04 v1 人工智能
摘要
许多基于扩散的分子生成方法忽略了分子的符号信息，将原子和键类型表示为 one hot 形式。基于摩根指纹的方法会产生哈希冲突，且难以在连续空间中嵌入而不损失信息，随机指纹也对应于无效分子。为规避此问题，我们采用另一种范式，将原子和键代码视为 VQ-VAE 的潜在变量。我们引入 VQ-SAD，该模型首先训练 VQ-VAE，并使用冻结的预训练 VQ-VAE 模型，将原子和键类型的 codebooks 作为下游扩散过程的 tokenizer。VQ-SAD 是一种神经-符号模型，利用符号和神经结构信息构建具有可学习前向过程的扩散模型。较大的离散 code space 提供了更均衡的原子和键类型，增强了去噪过程。实验表明，VQ-VAE 在 QM9 和 ZINC250k 数据集上对基于扩散的分子生成方法处于 SOTA 稍微优越。
引用
@article{arxiv.2605.00354,
title = {VQ-SAD: Vector Quantized Structure Aware Diffusion For Molecule Generation},
author = {Farshad Noravesh and Reza Haffari and Layki Soon and Arghya Pal},
journal= {arXiv preprint arXiv:2605.00354},
year = {2026}
}
备注
17 pages