筛选噪声:扩散概率模型及其在生物分子中的应用调查
本文概述了 “扩散模型” 在图像合成、视频生成、分子设计等领域中的应用,并将相关研究分为三大类:高效采样、改进似然估计和处理具有特殊结构的数据。此外,还探讨了将扩散模型与其他生成模型相结合以获得更好结果的潜能,在计算机视觉、自然语言生成、时态数据模型等领域具有广泛的应用。本文旨在提供一个全面的扩散模型综述,指出其重点研究领域并指向未来的研究方向。
Sep, 2022
扩散模型是强大且通用的生成式人工智能技术,在计算机视觉、音频、强化学习和计算生物学等领域取得了巨大的成功。本文回顾了扩散模型的新兴应用,理解了它们在各种控制下的样本生成。同时,我们概述了现有的扩散模型理论,涵盖了它们的统计性质和采样能力。进一步地,我们评述了通过条件扩散模型进行高维结构化优化的新途径,将解决方案的搜索重新定义为条件采样问题,并通过扩散模型进行求解。最后,我们讨论了扩散模型的未来发展方向。本文旨在为刺激前瞻性的扩散模型理论和方法提供全面的理论介绍。
Apr, 2024
本文调查了图扩散模型的进展,特别关注了其在 AI 生成内容方面的应用,主要是分子、蛋白质和材料设计。我们也讨论了评估该模型在图领域的存在挑战问题。
Apr, 2023
扩散模型在 3D 分子生成方面已经成为强大的工具,特别是在药物发现领域。这篇综述着重于定制 3D 分子生成的扩散模型的技术实现,比较了各种用于分子生成任务的扩散模型的性能、评估方法和实现细节,并探讨了扩散模型在药物设计以及与计算化学相关的领域的应用。
Jun, 2024
应对有限数据可用性、数据不平衡、标签复杂性和测量噪声干扰等问题,我们引入了 BioDiffusion,一种基于扩散的概率模型,用于合成多变量生物医学信号。通过利用这些合成信号,可以有效解决上述挑战,提高与生物医学信号相关的机器学习任务的准确性。此外,与当前领先的时间序列生成模型相比,实证证据表明 BioDiffusion 在生物医学信号生成质量方面表现优异。
Jan, 2024
磁共振成像(MRI)应用领域中扩散概率模型(DPMs)的综述,包括 DPM 理论介绍、MRI 中的重建、异常检测等方面,以及 DPM 的限制和未来研究方向。
Nov, 2023