GEODIFF：用于分子构象生成的几何扩散模型

论文链接：https://openreview.net/forum?id=PzcvxEMzvQC

本文介绍一篇ICLR 2022在审论文《GEODIFF：A GEOMETRIC DIFFUSION MODEL FOR MOLECULAR CONFORMATION GENERATION》。根据分子图来预测分子构象是化学信息学和药物发现中的一项基础工作。随着深度生成模型的兴起，这一工作取得重大进展。在这篇论文中，作者提出了新的生成模型GEODIFF。受热力学粒子扩散模型的启发，GEODIFF将每个原子当作一个粒子，GEODIFF所需要学习的部分——分子构象生成即扩散模型的逆过程。对比最先进的一些生成模型，GEODIFF在多个基准上展示出其竞争力，对于大分子尤其明显。

GEODIFF的独特之处在于训练和预测过程中都直接作用于原子坐标而不是中间元素。因此，它具有以下几个优点。首先，模型可以直接进行端到端的训练而不需要其他复杂的技巧（如bilevel programming等）；其次，模型不是从键长或角度出发求解几何，而是使用one-stage采样的方式避免了累积任何的中间误差，从而能更精确的预测分子结构；最后，GEODIFF具有较好的模型能力来近似复杂的构象分布。因此，该模型可以更好的估计多模态分布并且生成高质量的、多样的分子结构。