[論文レビュー] Diffusion Models for Molecules: A Survey of Methods and Tasks

Liang Wang, Chao Song+5 more|ArXiv.org|Feb 13, 2025

Diffusion Coefficients in Liquids被引用数 5

ひとこと要約

この論文は拡散モデルに基づく分子生成を調査し、拡散の定式化、分子データモダリティ、および生成タスクで分野を組織し、分類と今後の方向性を提供する。

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.

研究の動機と目的

• 最新の拡散モデルベースの分子生成手法の概要を提供する。
• 方法定式化、データモダリティ、タスクタイプで整理する分類法を導入する。
• 主要な拡散モデル定式化とそれらの分子応用を要約する。
• 今後の研究を導くためのギャップ、課題、および将来の方向性を特定する。

提案手法

• 核となる拡散モデル定式化をレビューする：DDPMs、スコアベースモデル（SMLD）、および確率微分方程式（SDEs）。
• 離散（D3PM）および潜在（LDM）バリアントと、それらが分子データにどう適用されるかを説明する。
• 分子データモダリティを2D/トポロジー空間、3D幾何空間、結合空間の3つに分類する。
• 拡散定式化を分子生成タスク（ノーベース、最適化、コンフォマー生成、ドッキングなど）にマッピングする。
• 文献を整理する体系的な分類法（方法定式化、データモダリティ、タスクタイプ）を提供する。

実験結果

リサーチクエスチョン

• RQ1 分子生成に用いられる主要な拡散モデル定式化とその違いは何か。
• RQ2 分子データモダリティ（2D、3D、結合） は拡散モデルの設計と性能にどう影響するか。
• RQ3 拡散モデルはどのような分子生成タスクに対応しており、それらはどのように分類されるか。
• RQ4 拡散モデルベースの分子設計における現状のギャップと将来の方向性は何か。

主な発見

• 拡散モデルベースの分子生成についての最新かつ体系的な概要。
• 方法定式化、データモダリティ、タスクタイプで整理する新規な分類法。
• 2D、3D、結合空間にまたがる代表的なモデルとタスクの統合。
• 将来の研究を導く機会と課題の特定。
• 関連研究の公開リソースをプロジェクトのGitHubページで提供。