[论文解读] Pointwise distance distributions of periodic sets.

Daniel E. Widdowson, Vitaliy Kurlin|arXiv (Cornell University)|Aug 10, 2021

Computational Drug Discovery Methods参考文献 2被引用 12

一句话总结

本文提出了一种新型的高阶点对距离分布（PDD），这是一种适用于欧氏空间中周期性点集的连续、计算高效的等距不变量家族。该方法在任意维度下对距离通用集合具有完备性，可实现分子结构的快速、精确分类——在标准台式机上，七小时内完成对剑桥结构数据库中超过22.9万个条目的分类，计算复杂度接近线性，且可从PDD中显式重构原始结构。

ABSTRACT

The fundamental model of a periodic structure is a periodic set of points considered up to rigid motion or isometry in Euclidean space. The recent work by Edelsbrunner et al defined the new isometry invariants (density functions), which are continuous under perturbations of points and complete for generic sets in dimension 3. This work introduces much faster invariants called higher order Pointwise Distance Distributions (PDD). The new PDD invariants are simpler represented by numerical matrices and are also continuous under perturbations important for applications. Completeness of PDD invariants is proved for distance-generic sets in any dimension, which was also confirmed by distinguishing all 229K known molecular organic structures from the world's largest Cambridge Structural Database. This huge experiment took only seven hours on a modest desktop due to the proposed algorithm with a near linear or small polynomial complexity in terms of key input sizes. Most importantly, the above completeness allows one to build a common map of all periodic structures, which are continuously parameterized by PDD and explicitly reconstructible from PDD. Appendices include first tree-based maps for several thousands of real structures.

研究动机与目标

• 开发适用于周期性点集的更快、更鲁棒的等距不变量，要求在点扰动下保持连续性，并对通用构型具有完备性。
• 通过可在近线性时间内计算的数值不变量，实现周期性结构（特别是分子晶体）的高效、大规模分类。
• 基于PDD建立所有周期性结构的连续、参数化映射，实现从不变量的显式重构。
• 在真实世界数据集（如剑桥结构数据库）上验证PDD不变量的完备性与实际应用价值。
• 提供一种可扩展的计算框架，用于周期性结构分析，适用于材料科学与结构化学领域。

提出的方法

• 提出高阶点对距离分布（PDD）作为周期性点集的数值矩阵表示，用于捕捉局部与全局距离统计特性。
• 采用一种新颖算法，关键输入规模的计算复杂度接近线性或为小多项式阶，可在大规模数据集上实现快速计算。
• 将PDD不变量定义为在点扰动下保持连续，确保在存在噪声或不完美数据的实际应用中具备稳定性。
• 证明PDD在任意维度下对距离通用集合具有完备性，即不同集合对应不同的PDD矩阵。
• 将PDD框架应用于周期性结构的映射与重构，包括对数千种真实分子结构构建基于树的表示。
• 在完整剑桥结构数据库（22.9万种结构）上验证该方法，使用台式机系统，运行时间七小时。

实验结果

研究问题

• RQ1 是否可构造出在任意维度下对通用周期性点集既保持扰动连续性又具备完备性的PDD不变量？
• RQ2 PDD不变量在大规模周期性结构（如分子晶体）上的计算效率如何？
• RQ3 PDD能否唯一区分剑桥结构数据库中所有已知分子结构？
• RQ4 是否可基于PDD构建一种连续、显式且可重构的周期性结构参数化映射？
• RQ5 基于PDD的分类计算复杂度是多少？其随输入规模的扩展性如何？

主要发现

• 所提出的PDD不变量在任意维度下对距离通用集合具有完备性，可确保周期性点集的唯一识别。
• 该算法以接近线性或小多项式复杂度计算PDD不变量，使22.9万个分子结构的分类在标准台式机上七小时内完成。
• PDD不变量在点扰动下保持连续，使其在存在噪声或不完美数据的应用中具备鲁棒性。
• 该方法成功区分了剑桥结构数据库中所有22.9万个已知有机分子结构，证实了其实际完备性。
• 通过PDD构建了所有周期性结构的统一连续映射，并可从不变量中显式重构原始结构。
• 首次为数千种真实周期性结构生成了基于树的映射，展示了方法的可扩展性与结构洞察力。