商空間拡散モデル

アブストラクト: 拡散ベースの生成モデルは生成AIを刷新し、科学分野において、例えば分子の3D構造を生成するなど、新たな能力を可能にしてきました。特定のタスクに内在する問題構造のため、しばしばシステムには対称性が存在し、群作用によって変換可能な対象が同値として識別されます。その結果、目標分布は本質的に群に関して剰余空間上で定義されます。本研究では、一般の剰余空間に対する拡散モデリングのための形式的な枠組みを確立し、特別ユニタリユークリッド群 ext{SE}(3) 対称性に従う分子構造生成に適用します。この枠組みにより、群作用に対応する成分を学習する必要性が軽減されるため、従来の群同変拡散モデルに比べて学習の難しさが単純化されます。また、サンプラは目標分布の回復を保証しますが、ヒューリスティックなアラインメント戦略には適切なサンプラがありません。本論での議論は、小分子およびタンパク質の構造生成において実験的に検証されており、原理に基づく剰余空間拡散モデルが、従来の対称性処理よりも優れた新しい枠組みを提供することが示されています。