본 논문은 3D 분자의 공유된 잠재 공간을 탐색하여 유연한 제로샷 분자 조작 방법을 제안합니다. MolFLAE라고 불리는 3D 분자를 위한 변이형 오토인코더(VAE)를 도입하여 원자 수에 관계없이 고정 차원의 E(3) 등변 잠재 공간을 학습합니다. MolFLAE는 E(3) 등변 신경망을 사용하여 3D 분자를 학습된 임베딩으로 구별되는 고정된 수의 잠재 노드로 인코딩합니다. 잠재 공간은 정규화되며, 분자 구조는 인코더의 잠재 출력을 조건으로 하는 베이지안 플로우 네트워크(BFN)를 통해 재구성됩니다. MolFLAE는 표준 무조건 3D 분자 생성 벤치마크에서 경쟁력 있는 성능을 달성합니다. 또한, MolFLAE의 잠재 공간은 원자 수 편집, 구조 재구성, 구조 및 특성 모두에 대한 조정된 잠재 보간을 포함하는 제로샷 분자 조작을 가능하게 합니다. 마지막으로, 계산 평가 하에 주요 상호 작용을 유지하면서 친수성을 향상시키는 분자를 생성하는 인간 글루코코르티코이드 수용체에 대한 약물 최적화 작업에서 접근 방식을 시연합니다.
