[논문 리뷰] SiMGen example molecules

Rokas Elijošius|arXiv (Cornell University)|2024. 01. 01.

Spectroscopy Techniques in Biomedical and Chemical Research인용 수 5

한 줄 요약

SiMGen은 시간 의존적 유사성 커널과 사전 학습된 ML-포스필드 디스크립터를 사용하여 추가 학습 없이 크고 조건부 분자를 생성하는 제로샷 분자 생성 방법을 도입합니다.

ABSTRACT

Examples of structures generated using SiMGen.Macrocycles, including their generation trajectories.Small molecules.Baseline comparison of molecules generated via the linear interpolation mentioned in the paper.Note, some of these used an older version of the MACE-OFF models so a slight adjustment of the restorative force parameters might be necessary.The interactive version at https://zndraw.icp.uni-stuttgart.de/ will always have the latest stable version.

연구 동기 및 목표

• 거대한 화학 공간을 효율적으로 탐색하는 도전을 해결하고, 광범위한 모델 학습 없이도 바람직한 특성을 가진 분자 생성을 가능하게 한다.
• 학습된 점수(score)가 분자 조립과 분해 페널티를 어떻게 안내하는지 이해하기 위해 에너지 기반 확산의 인사이트를 활용한다.
• 시간 의존적 유사성 커널과 사전 포스필드 디스크립터를 사용해 임의의 크기의 분자를 구축하는 지역성 중심의 제로샷 생성 프레임워크(SiMGen)를 개발한다.
• priors 및 포인트-클라우드 기반 제약을 통해 제어 가능한 형태 형성 및 조건부 생성을 제공한다.

제안 방법

• 에너지 기반 확산 모델을 학습시켜 score를 시간 의존적 에너지 E(x;t)로 연구하고 그 풍경을 분석한다.
• 로컬 원자 환경 χ_i와 기준 집합 D_ref를 기반으로 한 시간 의존적 유사성 에너지 E_sim을 정의하며 E_sim(x;t)=∑_i -log f(χ_i;t)로, f는 커널 k(χ_i,χ_j;t)를 포함한다.
• prior force, 유사성 힘, QM 유사 힘을 하나의 생성 힘 F(x;t)로 결합하며 F(x;t)=F = k_prior(t)F_prior + k_sim(t)F_sim + k_QM(t)F_QM로 표현한다.
• 알케미컬 점수 학습 없이 z를 최적화하기 위해 수정된 Particle Swarm Optimization (PSO)을 통해 원소 교환을 처리하고, 수소 추가 및 최종 QM 이완을 수행한다.
• 지역적이고 제로샷 생성 루프(SiMGen)를 사용하여 시간에 따라 커널 너비 σ(t)를 변화시켜 탐색에서 화학적 정제로의 전이를 가능하게 하고, 대형 매크로사이클 및 링커 구조를 가능하게 한다.
• priors(비등방성 가우시안 및 포인트-클라우드 priors)를 통한 형태 제어를 시연하고 ZnDraw를 통한 인터랙티브 제약 생성이 가능함을 지원한다.

실험 결과

연구 질문

• RQ1 제로샷 생성 프레임워크가 전용 생성 모델의 학습 없이 QM9-유사 참조 분포에 비견되는 화학적으로 유효하고 다양하고 분포를 생성할 수 있는가?
• RQ2 시간 의존적 유사성 커널이 원자 구성 조립과 생성 중 파손 억제에 어떤 영향을 미치는가?
• RQ3 지역성과 priors가 매크로사이클 및 링커를 포함한 생성 분자의 형태와 크기를 얼마나 제어하는가?
• RQ4 유사성 기반 힘과 PSO 주도 알케미컬 최적화를 결합하면 안정적이고 제약 의식적인 분자 생성을 얻을 수 있는가?
• RQ5 ZnDraw를 통한 인터랙티브 제약 생성을 통해 분해 연결 및 형태 제어를 얼마나 효과적으로 유도하는가?

주요 결과

• 시간 의존 커널을 통한 유사성 기반 생성은 QM9 참조 구조에 가까운 에너지 및 유사성 분포를 가진 분자를 생성한다.
• 확산 모델에서 학습된 에너지 풍경은 분자 방향으로의 매끄러운 하강을 보이며 QM 에너지 기준선에 비해 분해를 억제한다.
• AirSS-유사 QM 전용 이완은 일반적으로 파편화된 생성물을 만들지만, SiMGen의 알케미컬 및 유사성 힘은 더 큰 크기이면서 덜 파편화된 분자를 편향시키는 경향이 있다.
• 포인트-클라우드 priors와 비등방성 priors를 사용하면 늘이고 직선형의 지방 결합 사슬과 평면적 공액 구조, 그리고 최대 111개의 무거운 원자를 가진 매크로사이클을 포함한 형태 제어 생성이 가능하다.
• 제로샷 생성은 여전히 확장 가능하며 로컬리티로 인해 참조 데이터셋(QM9)보다 큰 분자를 생성할 수 있다.
• ZnDraw를 통한 인터랙티브 제약 생성은 재학습 없이도 사전에 배치된 분해 조각과 형태를 조건화할 수 있게 한다.