[论文解读] 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 5

一句话总结

本论文综述基于扩散模型的分子生成，将领域按扩散公式、分子数据模态和生成任务进行整理，并提供一个分类法及未来方向。

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.

研究动机与目标

• 提供最新的基于扩散模型的分子生成方法概览。
• 引入一个将工作按方法公式、数据模态和任务类型分类的分类法。
• 总结关键扩散模型公式及其在分子中的应用。
• 识别现有空白、挑战与未来方向以引导进一步研究。

提出的方法

• 回顾核心扩散模型公式：DDPMs、分数基模型（SMLD）和随机微分方程（SDEs）。
• 解释离散（D3PM）和潜在（LDM）变体及其在分子数据中的应用。
• 将分子数据模态分类为二维/拓扑空间、三维几何空间和联合空间。
• 将扩散公式映射到分子生成任务（从头生成（de novo）、优化、构象生成、对接等）。
• 提供一个系统性的分类法（方法公式、数据模态、任务类型）来组织文献。

实验结果

研究问题

• RQ1 用于分子生成的主要扩散模型公式及它们的差异是什么？
• RQ2 分子数据模态（2D、3D、联合）如何影响扩散模型的设计与性能？
• RQ3 扩散模型解决了哪些分子生成任务，以及如何对它们进行分类？
• RQ4 基于扩散模型的分子设计目前的差距与未来方向是什么？

主要发现

• 对基于扩散模型的分子生成的最新、系统综述。
• 一种新的分类法，将工作按方法公式、数据模态和任务类型进行组织。
• 对二维、三维和联合空间中的代表性模型和任务的综合。
• 确定促进未来扩散式分子设计研究的机会与挑战。
• 在项目 GitHub 页面提供的公开资源列出相关工作。