具有所需特性的分子结构是一项至关重要的任务,在药物发现和材料设计中进行了广泛的应用。我们提出了一种新型的多模式分子图生成方法3M扩散,以生成具有染色特性的多样化的,理想的新型分子结构。3M扩散将分子图编码为图形空间,然后与基于编码的LLM从文本描述中学到的文本空间一致。然后,它根据分子解码器的给定文本描述重建分子结构和原子属性。然后,它使用扩散模型学习了从文本空间到潜在分子图空间的概率映射。我们在几个数据集上进行的广泛实验的结果表明,3M扩散可以产生高质量,新颖和多样的分子图,从语义上匹配所提供的文本描述。该代码可在GitHub上找到。
主要关键词
![arxiv:2403.07179v2 [cs.lg] 2024年10月2日PDF文件第1页](/bimg/a/afc4cf335aa8c8790d83cba9fcdc17b787fb7ab8.webp)
![arxiv:2403.07179v2 [cs.lg] 2024年10月2日PDF文件第2页](/bimg/8/8e577813151bc687e5a1397b11085dcfd7727600.webp)
![arxiv:2403.07179v2 [cs.lg] 2024年10月2日PDF文件第3页](/bimg/3/36048705ede7763cfaf490eb529d4d2e8f4ec414.webp)
![arxiv:2403.07179v2 [cs.lg] 2024年10月2日PDF文件第4页](/bimg/d/d8b5e722a5eb64498b2a8b4fe5d4c2eefbf19fe3.webp)
![arxiv:2403.07179v2 [cs.lg] 2024年10月2日PDF文件第5页](/bimg/5/5852c4fd4a594648a2df2690d667398c664abe8f.webp)
