每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

采用等变分流匹配的受控发电

Created by
  • Haebom

作者

Floor Eijkelboom、Heiko Zimmermann、Sharvaree Vadgama、Erik J Bekkers、Max Welling、Christian A. Naesseth、Jan-Willem van de Meent

大纲

本文在变分流匹配 (VFM) 框架内提出了一个可控生成目标。我们将流匹配视为一个变分推理问题，并表明可控生成可以作为贝叶斯推理问题来实现，从而实现 (1) 条件生成模型的端到端训练，或 (2) 无条件模型的后条件控制，无需重新训练。此外，我们建立了等变生成的条件，并提供了适用于分子生成的 VFM 等变公式，确保其对旋转、平移和置换具有不变性。我们的研究结果在非受控和受控分子生成中均表现出色，在端到端训练和贝叶斯推理设置中均优于最先进的模型。通过加强基于流的生成模型与贝叶斯推理之间的联系，本研究为基于约束和对称感知的生成提供了一个可扩展且原则性的框架。

Takeaways, Limitations

•
Takeaways：
◦
可以通过变分流匹配实现受控发电。
◦
支持条件模型的端到端训练和非条件模型的事后控制（贝叶斯推理）。
◦
提出一种专门用于分子生成的同变量 VFM 公式。
◦
在不受控和受控的分子生成中实现 SOTA。
◦
加强基于流的生成模型和贝叶斯推理之间的联系。
•
Limitations：
◦
论文中未具体说明Limitations。（摘要中无内容）
👍
Made with Slashpage