IR 스펙트럼으로 3D 분자 구조를 복원하는 라틴트 디퓨전 모델

초록

본 논문은 적외선(IR) 스펙트럼을 입력으로 받아 3차원 분자 좌표를 생성하는 조건부 라틴트 디퓨전 모델 IR‑GeoDiff를 제안한다. 스펙트럼 정보를 원자와 결합(엣지) 특징에 교차‑어텐션으로 주입하고, GEOLDM 기반 라틴트 공간에서 좌표만 확산시켜 원자 종류는 고정한다. 모델은 스펙트럼‑구조 관계를 학습해 주어진 IR 스펙트럼에 일치하는 분자 기하학 분포를 복원하며, 어텐션 시각화를 통해 기능기 특이 영역에 집중함을 확인한다.

상세 분석

IR‑GeoDiff는 기존 SMILES 혹은 2D 그래프 기반 구조 복원 방식이 3차원 정보를 손실한다는 한계를 극복하고자 설계되었다. 핵심 아이디어는 두 단계로 나뉜다. 첫 번째는 Transformer 기반 스펙트럼 분류기 τθ를 통해 1‑D IR 스펙트럼 S를 고차원 특징 벡터로 변환하는 것이다. 여기서 패치 임베딩을 사용해 국소 피크 패턴을 효과적으로 포착한다. 두 번째는 GEOLDM에서 영감을 얻은 라틴트 디퓨전 프레임워크이다. 분자 좌표 x와 원자 타입 h를 각각 라틴트 변수 zx와 zh에 매핑하고, zh는 고정된 조건으로 유지한다. 확산 과정은 zx에만 가우시안 노이즈를 단계적으로 추가해 표준 정규분포로 변환하고, 역확산 단계에서는 조건부 denoising 네트워크 εθ가 zx,t, 시간 t, 스펙트럼 특징 S, 그리고 zh를 입력받아 노이즈를 예측한다.

특히 εθ는 E(3)‑equivariant 구조를 유지하도록 설계돼 회전·이동에 불변한다. 스펙트럼 특징은 cross‑attention 메커니즘을 통해 노드와 엣지 표현에 주입되며, 이는 “원자‑스펙트럼” 및 “결합‑스펙트럼” 상호작용을 학습하게 만든다. 결과적으로 모델은 특정 피크(예: C=O, N‑H 등)가 해당 결합 길이와 각도에 미치는 영향을 직접적으로 반영한다.

학습 목표는 라틴트 공간에서의 평균 제곱 오차 L_LDM = E