본 논문에서는 구조 기반 약물 설계에 중요한 역할을 하는 분자 그래프와 3D 구조를 동시에 생성하는 방법을 제안합니다. 기존 방법들의 느린 샘플링 속도와 낮은 화학적 타당성 문제를 해결하기 위해, 확장 가능한 E(3)-equivariant 메시지 전달 아키텍처인 Semla를 제안합니다. Semla를 기반으로, 원자 종류, 좌표, 결합 종류, 형식 전하에 대한 결합 분포를 생성하는 비조건부 3D 분자 생성 모델 SemlaFlow를 소개합니다. SemlaFlow는 equivariant flow matching을 사용하여 학습되며, 기존 최고 성능 모델 대비 샘플링 단계를 2자릿수 감소(최대 20단계)시키면서 최고 성능을 달성합니다. 또한, 기존 3D 분자 생성 평가 방법의 한계를 지적하고 새로운 평가 지표를 제안하여 SemlaFlow의 성능을 검증합니다.
