精选理由
做分子生成或药物设计的团队，终于有了一个能判断生成分子质量好坏的信号，建议试试这个后处理方法，能直接提升模型输出质量。
扩散模型在3D分子生成中广泛应用，但缺乏对生成分子质量的可靠信号。研究者提出一种后处理方法，基于拉普拉斯近似对预训练分子扩散模型进行逐样本不确定性估计。该方法通过测量生成轨迹中噪声预测的变异性来评估不确定性，实验表明该分数与样本质量负相关。利用该分数过滤生成样本，可在测试时提升模型性能。
AI 翻译 · 中文
扩散模型在3D分子生成中广泛应用，但缺乏对生成分子质量的可靠信号。研究者提出一种后处理方法，基于拉普拉斯近似对预训练分子扩散模型进行逐样本不确定性估计。该方法通过测量生成轨迹中噪声预测的变异性来评估不确定性，实验表明该分数与样本质量负相关。利用该分数过滤生成样本，可在测试时提升模型性能。
Diffusion models have seen wide adoption for 3D molecular generation, yet they offer no principled signal of when a generated molecule is likely to be of low quality. We propose a post-hoc method for estimating per-sampl…