[論文レビュー] Learning Neural Generative Dynamics for Molecular Conformation Generation

Minkai Xu, Shitong Luo+3 more|arXiv (Cornell University)|Feb 20, 2021

Machine Learning in Materials Science参考文献 41被引用数 28

ひとこと要約

本論文は、距離幾何学に条件付きグラフ連続フロー (CGCF) を組み合わせ、エネルギーに基づく傾斜モデル (ETM) を用いて、分子グラフに条件付けた多様で有効な分子コンフォメーションを生成する確率的フレームワークを提案し、GEOM-QM9、GEOM-Drugs、ISO17 のベンチマークで最先端の結果を達成する。

ABSTRACT

We study how to generate molecule conformations (i.e., 3D structures) from a molecular graph. Traditional methods, such as molecular dynamics, sample conformations via computationally expensive simulations. Recently, machine learning methods have shown great potential by training on a large collection of conformation data. Challenges arise from the limited model capacity for capturing complex distributions of conformations and the difficulty in modeling long-range dependencies between atoms. Inspired by the recent progress in deep generative models, in this paper, we propose a novel probabilistic framework to generate valid and diverse conformations given a molecular graph. We propose a method combining the advantages of both flow-based and energy-based models, enjoying: (1) a high model capacity to estimate the multimodal conformation distribution; (2) explicitly capturing the complex long-range dependencies between atoms in the observation space. Extensive experiments demonstrate the superior performance of the proposed method on several benchmarks, including conformation generation and distance modeling tasks, with a significant improvement over existing generative models for molecular conformation sampling.

研究の動機と目的

• グラフから多模態で長距離依存を持つ分子コンフォメーションを生成するという課題を動機づけ、解決する。
• 分子グラフに条件付けられた連続正規化フローを用いて距離幾何 p(d|G) をモデル化する。
• 長距離相互作用を捉えるためにエネルギーに基づく傾斜項 E(R,G) で生成されたコンフォメーションを洗練する。
• フローに基づく密度推定とエネルギーに基づく精練を組み合わせて、効率的なサンプリングと訓練を可能にする。

提案手法

• 座標生成を距離幾何から分離するために p(R|G) を p(R|d,G) p(d|G) に因数分解する。
• CNF を用いた連続ダイナミクスとメッセージパッシングニューロンネットワークで p(d|G) をモデル化する。
• p(R|d,G) を単純なエネルギーに基づく分布 over Cartesian coordinates を介してサンプリング可能な確率的形に表現する。
• 長距離相互作用をモデル化し p(R|G) を tilt するエネルギー傾斜モデル Eφ(R,G) を導入し、 p(R|G) ∝ pθ(R|G) exp(-Eφ(R,G)) により pθ,φ(R|G) を用いて傾斜させる。
• CGCF をノイズ分布として活用するノイズ対比推定 (NCE) を用いて ETM を訓練する。
• 二段階サンプリングを実施する: (i) CGCF で distances を生成し EDG 風の後処理で初期の R を得る, (ii) ETM を用いたルジャンベ動力学で R を洗練させる。

実験結果

リサーチクエスチョン

• RQ1 Flow ベースの距離幾何モデルは、分子グラフ条件付きの原子間距離の多峰分布を捉えられるのか？
• RQ2 エネルギーに基づく傾斜項を組み込むと長距離依存性のモデリングと生成コンフォメーションの現実性は向上するのか？
• RQ3 二段階 CGCF + ETM のサンプリング戦略は、コンフォメーション生成と距離分布タスクにおいて従来のベースラインと比較してどうか？
• RQ4 ETM は標準ベンチマーク全体で多様性と平衡に近いコンフォメーションへの収束にどのような影響を与えるのか？

主な発見

• CGCF は、コンフォメーション生成のベンチマークにおいて最先端のベースラインよりも多様性と精度を向上させる。
• ETM を組み込むことで、長距離相互作用を明示的にモデル化し、生成コンフォメーションの品質をさらに向上させる。
• CGCF + ETM の組み合わせは、GEOM-QM9、GEOM-Drugs、ISO17 のデータセットにわたり、コンフォメーション生成と距離分布タスクの両方でベースラインを上回る。
• 方法は高い多様性（モード崩壊が低い）を維持しつつ、地上真の分布との整合性も強く保つ。