V
主页
SE(3)-随机流匹配用于蛋白质骨架生成
发布人
SE(3)-随机流匹配用于蛋白质骨架生成 摘要:计算设计新蛋白质结构有望对众多科学领域产生重大影响。为此,我们引入了FoldFlow,这是一系列基于流匹配范式的新颖生成模型,用于在3D刚体运动(即群SE(3))上进行蛋白质骨架的准确建模。我们首先介绍了FoldFlow-Base,这是一种无需模拟的方法,用于学习确定性连续时间动力学和在SE(3)上的不变目标分布匹配。接下来,我们通过引入黎曼最优传输来加速训练,创建了FoldFlow-OT,从而构建了更简单和稳定的流。最后,我们设计了FoldFlow-SFM,将黎曼最优传输和无需模拟的训练相结合,以学习SE(3)上的随机连续时间动力学。我们的FoldFlow生成模型系列相较于先前的蛋白质生成建模方法具有几个关键优势:它们比基于扩散的方法更稳定、训练速度更快,并且我们的模型能够将任何不变源分布映射到SE(3)上的任何不变目标分布。在实证方面,我们在长达300个氨基酸的蛋白质骨架生成上验证了我们的FoldFlow模型,得到了高质量、可设计、多样化和新颖的样本。 主讲人:Tara Akhound-Sadegh
打开封面
下载高清视频
观看高清视频
视频下载器
随机插值:流模型和扩散模型的统一框架
流匹配:简化和泛化扩散模型
Equivariant flow matching 等变流匹配
生成扩散模型中的自发对称性破缺
ICLR 2024 Spotlight 扩散模型用于运动生成
Wasserstein拉格朗日流的计算框架
发型也可以用AI生成——文本条件下的三维基于线束的人类发型生成模型
扩散模型的score function可以学到数据中的固有维度
粒子引导:非独立同分布的扩散模型采样
【生成模型VAE】十分钟跟着博士搞懂变分自编码器原理图解+公式推导+项目实战!pytorch深度学习/Python深度学习/生成图像/GAN/论文解读
TransferLab Seminar 生成式模型的条件流匹配方法 - AlexTong
ClimaX -用于天气预测的基础模型
数据驱动的物理隐变量发现
PhotoMaker 一键生成你的个性化艺术照#腾讯出品
扩散模型中如何使用RNN替代attention
讲座 | 单视图引导的3DGS物体重建——加拿大西蒙菲莎大学GrUVi Lab在读博士母宇轩
薛定谔桥(Diffusion Schrodinger Bridge)及与生成模型(流匹配Flow Matching、DDPM、SMLD)
将偏微分算子以多分辨率方式集成到神经网络架构中,用于时空预测 || Seminar on May 3, 2024
Mufan Li 无限深度神经网络作为深度方向上的随机过程
讲座 | 基于扩散模型和三平面外插法的无限大3D场景生成——东京大学在读博士吴桢楠
【大模型入门教程】AIGC与大模型核心知识与应用案例(大模型训练/微调)
【SIGGRAPH Asia】GroomGen 发型生成神器,从图像中重建发型支持交互式编辑
【用变分自编码器生成图像】1小时跟着教授吃透生成模型变分自编码器VAE!简单易懂!GAN/机器学习/监督学习
Efficiently Modeling Long Sequences with Structured State Space 结构化状态空间模型用于长时序建模
【讨论班】面向成像反问题的生成模型
卡耐基梅隆大学 MidasTouch——一个用于在线全局定位的视触觉感知系统
讲座 | 文生图扩散模型中的精确颜色生成——巴塞罗那自治大学LAMP组博士后王凯
讲座 | 交互式3D世界生成——斯坦福大学博士生俞洪兴
ECCV'24 7篇工作|3D大场景生成、视频问答自动评估、手写文本生成、虚拟试穿等
生成式AI对表示学习的启示
讲座 | 三维室内场景纹理图生成——慕尼黑工业大学视觉实验室24届博士陈振宇
【AIGC模型优化】ICML 24论文解读 - 使用分数匹配增强生成对抗网络
数据驱动的基于物理的降阶模型
【公式推导】如何通过FPK(福克-普朗克方程)对一个PDE(偏微分方程),确定其SDE(随机微分方程)【附录B.5.2】【公式6】
【论文精讲】精讲Diffusion Policy扩散策略:基于扩散模型的机器人动作生成策略
英伟达SIGGRAPH2021 实时神经辐射缓存用于实时渲染
卡耐基梅隆大学&英伟达 Walk on Stars:无网格蒙特卡洛方法用于物理仿真求解PDE 【借鉴图形学中的光线追踪
CVPR'24 满分Oral | EscherNet 实现任意视角灵活扩散生成 解锁3D视觉无限可能!
122集付费!CNN、RNN、GAN、GNN、DQN、Transformer、LSTM等八大深度学习神经网络一口气全部学完!
KAN真的能取代MLP吗