基于离散图结构的分布式条件扩散用于分子图生成

Jan, 2023

基于离散图结构的分布式条件扩散用于分子图生成

Conditional Diffusion Based on Discrete Graph Structures for Molecular Graph Generation

Han Huang, Leilei Sun, Bowen Du, Weifeng Lv

TL;DR本文提出了一种基于条件扩散的离散图结构（CDGS）的分子图生成方法，通过随机微分方程（SDE）实现正向图扩散过程并得出离散图结构作为逆向生成过程的条件，利用普通微分方程（ODE）求解器进行高效的图采样，在各种数据集上验证了该框架的有效性，特别是在有限的步骤中仍能生成高质量的分子图。

Abstract

Learning the underlying distribution of molecular graphs and generating high-fidelity samples is a fundamental research problem in drug discovery and material science. However, accurately modeling distribution an

molecular graphs conditional diffusion graph structures ode solvers drug discovery

发现论文，激发创造

基于评分的随机微分方程系统的图生成建模

提出了一种基于得分的图生成模型，采用连续时间框架下的新图扩散过程，通过随机微分方程系统对节点和边缘进行联合分布建模，并提出了适用于该过程的新颖得分匹配目标，通过求解反向扩散过程的方程系统高效采样。通过对多个数据集的验证，该方法在生成具有挑战性的现实世界图形时获得了优异的性能，并能够生成符合训练分布的分子，表明其对于节点 - 边缘关系的建模具有有效性。

Feb, 2022

CDGraph: 双条件社交图通过扩散模型的合成

这篇论文提出了一种基于条件扩散模型的社交网络条件合成方法，该方法通过捕捉双重条件之间的相互依赖关系，并引入社交同质性和社交传染来保持节点之间的连通性，从而生成双重条件下的社交网络。通过与其他四种图生成方法的比较评估，结果表明这种方法在生成双重条件社交图方面具有更高的有效性和更低的差异性。

Nov, 2023

图生成的离散状态连续时间扩散

本文提出了一种离散状态连续时间设置的图扩散生成模型，该模型在以前的图扩散模型中从未被研究过。分析表明，我们的训练目标与生成质量密切相关，我们提出的生成框架在节点排序的排列方面具有理想的不变 / 等变特性。我们的模型在各种基准测试中表现出有竞争力的实证性能，同时在采样阶段可以在生成质量和效率之间灵活权衡。

May, 2024

多条件扩散引导下的反向分子设计

逆向分子设计的多条件扩散模型与转换器编码去噪模型相结合，成功实现了高性能材料和药物发现，并在聚合物和小分子生成任务中展示了优越的分布学习和条件控制表现。

Jan, 2024

GeoDiff：一种用于生成分子构象的几何扩散模型

本文提出了一种名为 Geodiff 的新型生成模型，它将分子中的每个原子视为粒子，并学习直接反向扩散过程来预测分子构象，通过 Markov 的方式进行建模，Markov 核通过维持等变性来实现不变性分布，实验表明，该方法在多个基准测试中优于或与现有的最先进方法相媲美。

Mar, 2022

SubGDiff：一种改善分子表示学习的子图扩散模型

本文介绍了一种新颖的分子表示学习方法，通过将分子子图信息纳入扩散过程中，提升了分子表示学习的效果。实验结果表明，该方法在下游任务中具有更好的性能表现。

May, 2024

基于扩散的图生成模型：方法与应用

本论文总结了扩散模型在图像生成方面的成功，并介绍了扩散模型在图生成方面的应用，特别是从分子和蛋白质建模方面进行了重点讨论，并讨论了扩散模型在图结构数据中的新方向。