BiMol-Diff：分子生成とキャプション生成のための統一拡散フレームワーク

要旨: 分子構造と自然言語を橋渡しすることは、制御可能な設計に不可欠です。自己回帰モデルは長距離依存関係に苦戦します。一方で、標準的な拡散プロセスは位置に一様な破壊（汚染）を適用するため、構造的に情報を持つトークンを歪めてしまう可能性があります。私たちは、テキスト条件付き分子生成と分子キャプション付けという2つの対応課題に対する統一拡散フレームワークであるBiMol-Diffを提案します。重要な構成要素はトークン認識（token-aware）ノイズスケジュールであり、トークンの回復の難しさに基づいて位置依存の破壊を割り当てます。これにより、前向き（forward）過程の間、回復しにくい部分構造を保持します。ChEBI-20およびM3-20Mにおいて、BiMol-Diffは分子の再構成を改善し、Exact Matchで相対的な15.4%の向上を達成するとともに、比較ベースラインの中で最良のBLEUおよびBERTScoreを獲得するなど、強力なキャプション付け結果を示します。これらの結果は、トークン認識のノイズ付与が、分子の構造と言語のモデリングにおける忠実性を高めることを示しています。