AIGC for Science 最新综述 | 分子、蛋白质和材料科学中的生成AI

767次阅读
没有评论

【推荐理由】图扩散模型的应用主要属于科学中的人工智能生成内容(AIGC),本文主要关注图扩散模型如何用于生成分子和蛋白质以及材料设计

A Survey on Graph Diffusion Models: Generative AI in Science for Molecule, Protein and Material
Mengchun Zhang, Maryam Qamar, Taegoo Kang, Yuna Jung, Chenshuang Zhang, Sung-Ho Bae, Chaoning Zhang

[KAIST]

【论文链接】https://arxiv.org/pdf/2304.01565.pdf

【摘要】扩散模型已成为各个领域中新的SOTA生成建模方法,有多个综述工作提供了总体概述。随着扩散模型文章数量在过去几年呈指数增长,需要进行特定领域的扩散模型综述的需求也越来越多。本文致力于对图扩散模型进行综述。尽管文章的重点是涵盖扩散模型在图中的进展,但我们首先简要总结了其他生成建模方法在图中的应用。之后,作者介绍了各种形式的扩散模型机制,这有助于讨论图扩散模型。图扩散模型的应用主要属于科学中的人工智能生成内容(AIGC),其中主要关注图扩散模型如何用于生成分子和蛋白质,但也涵盖其他情况,包括材料设计。此外,文章还讨论了在图领域中评估扩散模型的问题和现有的挑战。

AIGC for Science 最新综述 | 分子、蛋白质和材料科学中的生成AI

 

Read More 

正文完
可以使用微信扫码关注公众号(ID:xzluomor)
post-qrcode
 
评论(没有评论)
Generated by Feedzy