Diffusion Models for Molecules: A Survey of Methods and Tasks

要約

分子生成を含むがこれらに限定されない分子に関する生成タスクは、創薬と材料の設計に不可欠であり、一貫して大きな注目を集めています。
近年、拡散モデルは、深い生成モデルの印象的なクラスとして浮上しており、広範な研究を引き起こし、分子生成タスクへの応用に関する多数の研究につながりました。
関連する作業の拡散にもかかわらず、この分野では最新かつ体系的な調査が顕著に不足しています。
特に、拡散モデルの定式化、分子データのモダリティ、および生成タスクタイプの多様性により、研究環境は、この地域の成長をナビゲートし、理解し、制限するのが困難です。
これに対処するために、このペーパーでは、拡散モデルベースの分子生成方法の包括的な調査を実施しています。
方法論的定式化、データモダリティ、およびタスクタイプの観点から研究を体系的にレビューし、新しい分類法を提供します。
この調査の目的は、この分野での理解とさらなる繁栄の発展を促進することを目的としています。
関連する論文は、https：//github.com/azureleon1/awesome-molecular-diffusion-modelsに要約されています。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google