ACM SIGKDD | MoFlow: An Invertible Flow Model for Generating
Molecular Graphs
今天给大家介绍ACM SIGKDD的一篇文章,“MoFlow: An Invertible Flow Model for Generating Molecular Graphs”。文章提出一种新的基于流的深度图生成模型MoFlow,用于分子图的生成,是第一个不仅可以一次通过可逆映射有效地生成分子图,而且还具有化学有效性保证的流模型。
1、研究背景
深图生成模型以数据驱动的方式探索较大的化学空间加快了药物发现的过程,然而,生成具有所需性质的新的、化学上有效的分子图仍然是非常具有挑战性的。类药物化合物的化学空间的规模巨大,但现有方法可能生成的分子图的规模要小得多,生成同时具有多类型节点和边并遵循键价约束的分子图是一项困难的组合任务。作者探索了一种生成分子图的规范化流来解决这些问题。
2、Moflow模型
2.1 问题定义
A∈R^(n×k):原子矩阵,集合有n个原子,k种原子类型,A(i,K)=1代表节点i是k型原子;
B ∈R^(c×n×n):化学键矩阵,c代表化学键类型的数量,B(c,j,i)=1代表原子i与原子j之间的化学键为c;
M=A×B∈R^(n×k)× R^(c×n×n):将分子图M视为由原子作节点,键作边组成的无向图。
为了捕捉分子图中原子和键的组合结构,作者将这种分子生成模型分解为两个部分:
目标函数为:
图1:MoFlow的框架。
2.2 原子的图条件流
给定化学键矩阵"B"∈R^(c×n×n),Atom flow的目标是为了生成正确的原子矩阵A∈R^(n×k),从而生成有效的分子M,有两部分组成。
2.2.1 B-conditional flow
Z_(A|B) |B=f_(A|B) (A|B) 是一个可逆并且维度不变的映射ÿ