3M-Diffusion: テキストガイドによる分子グラフ生成のための潜在的マルチモーダル拡散

望ましい特性を持つ分子を生成することは、創薬や材料設計における重要なタスクです。大規模言語モデルの最近の進展に触発され、分子の自然言語記述を使用して望ましい特性を持つ分子を生成することへの関心が高まっています。既存のほとんどの手法は、テキスト記述に正確に一致する分子を生成することに焦点を当てています。しかし、実際の応用では、望ましい特性を持つ多様で、理想的には新規の分子を生成する手法が求められています。私たちは、この課題に対処するために、3M-Diffusionという新しいマルチモーダル分子グラフ生成手法を提案します。3M-Diffusionはまず、分子グラフをテキスト記述に整合したグラフ潜在空間にエンコードします。次に、与えられたテキスト記述に基づいて分子の構造と原子属性を再構成します。その後、拡散モデルを使用して、テキスト空間から潜在分子グラフ空間への確率的マッピングを学習します。我々の複数のデータセットに関する広範な実験の結果は、3M-Diffusionが与えられたテキスト記述に意味的に一致する高品質で新規かつ多様な分子グラフを生成できることを示しています。