모듈러 흐름을 이용한 차분 분자 생성

초록

본 논문은 E(3)‑equivariant 연속 정규화 흐름을 그래프 PDE 형태로 결합한 ModFlow 모델을 제안한다. 각 원자를 독립적인 흐름으로 시작시켜 이웃과의 상호작용을 통해 전역적인 밀도를 정렬시키며, 별도의 디퀀타이제이션이나 유효성 검증 없이 고품질 분자를 생성한다.

상세 분석

ModFlow는 분자 그래프를 노드와 엣지의 집합으로 표현하고, 각 노드에 연속적인 점수 벡터 z_i(t)를 할당한다. 초기점은 표준 정규분포 N(0,I)에서 샘플링되며, 시간 t에 따라 미분 방정식 \dot z_i(t)=f_θ(t, z_i(t), z_{N_i}(t), x_i, x_{N_i}) 에 의해 진화한다. 여기서 f_θ는 E(3)‑equivariant GNN, 즉 EGNN을 기반으로 설계된 PDE 연산자로, 번역·회전·반사·순열 불변성을 보장한다. 노드 간 상호작용은 그래프의 인접관계에 국한되므로 시스템 전체는 희소한 그래프 PDE가 된다. 연쇄적인 ODE 솔버와 adjoint sensitivity 방법을 이용해 메모리 효율적인 학습이 가능하며, Proposition 1에서 제시된 바와 같이 모듈러 adjoint는 일반 adjoint보다 더 희소해 계산 비용을 크게 절감한다.

모델은 연속 정규화 흐름(CNF) 프레임워크를 채택해 로그밀도 변화 d log p_t(z_i)/dt = −tr ∂f/∂z_i 를 이용해 정확한 확률 밀도 추정이 가능하다. 학습 목표는 관측된 그래프를 원-핫 형태로 변환한 z 값의 분포 \hat p_{data} 에 대해 최대우도 \max_θ E_{\hat p_{data}}