NEAT: Un Nuovo Trasformatore Autoregressivo per la Generazione Molecolare 3D
Un nuovo modello chiamato NEAT (Neighborhood-Guided, Efficient, Autoregressive Set Transformer) è stato creato da ricercatori per generare strutture molecolari 3D. A differenza dei precedenti modelli autoregressivi che dipendono da ordinamenti fissi degli atomi, i quali rompono l'invarianza per permutazione, NEAT considera i grafi molecolari come insiemi di atomi. Stabilisce una distribuzione indipendente dall'ordine per i token ammissibili al confine del grafo, mantenendo così l'invarianza per permutazione a livello atomico. Questo modello dimostra una qualità di generazione all'avanguardia sui dataset QM9 e GEOM-Drugs, offrendo un'alternativa efficace ai metodi basati su diffusione e flow matching. I risultati sono presentati in arXiv:2512.05844v3.
Fatti principali
- NEAT sta per Neighborhood-Guided, Efficient, Autoregressive Set Transformer.
- È progettato per la generazione molecolare 3D.
- Il modello garantisce l'invarianza per permutazione trattando i grafi molecolari come insiemi di atomi.
- Apprende una distribuzione indipendente dall'ordine sui token ammissibili al confine del grafo.
- NEAT raggiunge una qualità di generazione all'avanguardia sui dataset QM9 e GEOM-Drugs.
- Offre un'alternativa efficiente agli approcci basati su diffusione e flow matching.
- La ricerca è stata pubblicata su arXiv con ID 2512.05844v3.
- L'approccio supera le limitazioni degli ordinamenti canonici degli atomi utilizzati in lavori precedenti.
Entità
Istituzioni
- arXiv