Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation

要約

De novo 分子設計は非常に活発な研究分野となっており、最先端の生成モデルの使用によって大幅に進歩しています。
これらの進歩にもかかわらず、この分野では医薬品設計の課題への答えとして、より複雑な生成モデルや洗練された分子表現にますます焦点が当てられているため、いくつかの基本的な疑問は未解決のままです。
この論文では、分子の最も単純な表現に立ち返り、古典的な生成アプローチ、特に変分オートエンコーダー (VAE) と自己回帰モデルの見落とされてきた限界を調査します。
我々は、両方の長所を活用して分子配列の妥当性、条件付き生成、スタイル転送を改善する新しい正則化子の形でハイブリッド モデルを提案します。
さらに、これらのモデルの動作に関する見落とされている仮定についても詳しく説明します。

要約(オリジナル)

De novo molecule design has become a highly active research area, advanced significantly through the use of state-of-the-art generative models. Despite these advances, several fundamental questions remain unanswered as the field increasingly focuses on more complex generative models and sophisticated molecular representations as an answer to the challenges of drug design. In this paper, we return to the simplest representation of molecules, and investigate overlooked limitations of classical generative approaches, particularly Variational Autoencoders (VAEs) and auto-regressive models. We propose a hybrid model in the form of a novel regularizer that leverages the strengths of both to improve validity, conditional generation, and style transfer of molecular sequences. Additionally, we provide an in depth discussion of overlooked assumptions of these models’ behaviour.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google