Training-Free Guidance for Discrete Diffusion Models for Molecular Generation

要約

連続データに対するトレーニング不要のガイダンス方法は、基礎拡散モデルを交換可能なガイダンス モデルと組み合わせることができるという事実により、爆発的に関心が高まっています。
現在、離散拡散モデルに対する同等の誘導方法は不明です。
我々は、トレーニング不要のガイダンスを離散データに適用するためのフレームワークを提示し、DiGress の離散拡散モデル アーキテクチャを使用した分子グラフ生成タスクでのその有用性を実証します。
このモデルを、特定の原子タイプである重原子の割合と重原子の分子量を返すガイダンス関数と組み合わせて、データ生成をガイドするこのメソッドの機能を実証します。

要約(オリジナル)

Training-free guidance methods for continuous data have seen an explosion of interest due to the fact that they enable foundation diffusion models to be paired with interchangable guidance models. Currently, equivalent guidance methods for discrete diffusion models are unknown. We present a framework for applying training-free guidance to discrete data and demonstrate its utility on molecular graph generation tasks using the discrete diffusion model architecture of DiGress. We pair this model with guidance functions that return the proportion of heavy atoms that are a specific atom type and the molecular weight of the heavy atoms and demonstrate our method’s ability to guide the data generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google