VQ-SAD：分子生成のためのベクトル量子化構造対応拡散

Abstract

多くの拡散ベースの分子生成手法では、分子の記号的情報を無視し、原子種と結合種をワンホット表現として表します。モルガン指紋に基づく手法ではハッシュ衝突が起きやすく、情報損失なしに連続空間へ埋め込むことが難しいうえ、ランダムな指紋は有効な分子に対応しません。この問題を回避するために、我々は別のパラダイムを用い、原子コードと結合コードをVQ-VAEの潜在変数として扱います。VQ-SADを提案します。VQ-SADはまずVQ-VAEを学習し、凍結した事前学習済みのVQ-VAEモデルを利用して、原子種と結合種の両方のコードブックを、下流の拡散プロセスにおけるトークナイザとして考えます。VQ-SADはニューロ記号モデルであり、学習可能な前向きプロセスを備えた拡散ベースのモデルに対して、記号的情報とニューラルな構造情報の両方を活用します。大規模な離散コード空間により、原子種と結合種のバランスがより良くなり、これがノイズ除去（デノージング）プロセスを強化します。VQ-VAEは、QM9およびZINC250kデータセットにおける拡散ベースの分子生成で、SOTAモデルをわずかに上回ります。