[논문 리뷰] Diffusion Models for Molecules: A Survey of Methods and Tasks

Liang Wang, Chao Song외 5명|ArXiv.org|2025. 02. 13.

Diffusion Coefficients in Liquids인용 수 5

한 줄 요약

본 논문은 확산-모델 기반의 분자 생성에 대해 조사하고, 확산 형식, 분자 데이터 모달리티, 생성 작업으로 분야를 정리하며, 분류 체계와 향후 방향을 제시한다.

ABSTRACT

Generative tasks about molecules, including but not limited to molecule generation, are crucial for drug discovery and material design, and have consistently attracted significant attention. In recent years, diffusion models have emerged as an impressive class of deep generative models, sparking extensive research and leading to numerous studies on their application to molecular generative tasks. Despite the proliferation of related work, there remains a notable lack of up-to-date and systematic surveys in this area. Particularly, due to the diversity of diffusion model formulations, molecular data modalities, and generative task types, the research landscape is challenging to navigate, hindering understanding and limiting the area's growth. To address this, this paper conducts a comprehensive survey of diffusion model-based molecular generative methods. We systematically review the research from the perspectives of methodological formulations, data modalities, and task types, offering a novel taxonomy. This survey aims to facilitate understanding and further flourishing development in this area. The relevant papers are summarized at: https://github.com/AzureLeon1/awesome-molecular-diffusion-models.

연구 동기 및 목표

• 확산-모델 기반 분자 생성 방법에 대한 최신 개요를 제공한다.
• 방법 형식화, 데이터 모달리티, 작업 유형으로 작업을 분류하는 분류 체계를 소개한다.
• 대표적인 확산-모델 형식과 그들의 분자 응용을 요약한다.
• 향후 연구를 안내하기 위한 간극, 도전과제 및 미래 방향을 식별한다.

제안 방법

• 핵심 확산-모델 형식들을 검토합니다: DDPMs, score-based models (SMLD), and stochastic differential equations (SDEs).
• 이산(discrete) (D3PM) 및 잠재(latent) (LDM) 변형과 이들이 분자 데이터에 어떻게 적용되는지 설명합니다.
• 분자 데이터 모달리티를 2D/topological space, 3D geometric space, and joint spaces로 분류합니다.
• 확산 형식들을 분자 생성 작업에 매핑합니다(de novo, optimization, conformer generation, docking 등).
• 문헌을 체계적으로 정리하기 위한 분류 체계(방법 형식, 데이터 모달리티, 작업 유형)를 제공합니다.

실험 결과

연구 질문

• RQ1 분자 생성을 위해 사용되는 주요 확산-모델 형식들과 그 차이는 무엇인가요?
• RQ2 분자 데이터 모달리티(2D, 3D, joint)가 확산-모델 설계와 성능에 어떤 영향을 미치나요?
• RQ3 확산 모델이 다루는 분자 생성 작업은 무엇이며, 어떻게 범주화되나요?
• RQ4 확산-모델 기반의 분자 설계에서 현재의 격차와 향후 방향은 무엇인가요?

주요 결과

• 확산-모델 기반의 분자 생성에 대한 최신의 체계적 개요.
• 방법 형식, 데이터 모달리티, 작업 유형으로 작업을 구성하는 새로운 분류 체계.
• 2D, 3D, 및 joint 공간에 걸친 대표 모델과 작업의 종합.
• 확산 기반의 분자 설계에서 향후 연구를 이끄는 기회와 도전과제를 식별.
• 프로젝트 GitHub 페이지에 관련 연구를 나열한 공개 리소스를 제공합니다.