Buchumschlag

Transformers Discover Molecular Structure Without Graph Priors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kreiman, Tobias, Bai, Yutong, Atieh, Fadi, Weaver, Elizabeth, Qu, Eric, Krishnapriyan, Aditi S.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Materials Science Chemical Physics Biomolecules
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding and Mitigating Distribution Shifts For Machine Learning Force Fields
von: Kreiman, Tobias, et al.
Veröffentlicht: (2025)

Action-Minimization Meets Generative Modeling: Efficient Transition Path Sampling with the Onsager-Machlup Functional
von: Raja, Sanjeev, et al.
Veröffentlicht: (2025)

Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment
von: Nelson, Kai, et al.
Veröffentlicht: (2026)

Enabling Efficient Equivariant Operations in the Fourier Basis via Gaunt Tensor Products
von: Luo, Shengjie, et al.
Veröffentlicht: (2024)

From Evaluation to Design: Using Potential Energy Surface Smoothness Metrics to Guide Machine Learning Interatomic Potential Architectures
von: Liu, Ryan, et al.
Veröffentlicht: (2026)

Advancements in Molecular Property Prediction: A Survey of Single and Multimodal Approaches
von: Liyaqat, Tanya, et al.
Veröffentlicht: (2024)

General Binding Affinity Guidance for Diffusion Models in Structure-Based Drug Design
von: Jian, Yue, et al.
Veröffentlicht: (2024)

Instruction-Based Molecular Graph Generation with Unified Text-Graph Diffusion Model
von: Xiang, Yuran, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Molecular Property Predictions with Graph Neural Architecture Search
von: Jiang, Shengli, et al.
Veröffentlicht: (2023)

MOL-Mamba: Enhancing Molecular Representation with Structural & Electronic Insights
von: Hu, Jingjing, et al.
Veröffentlicht: (2024)

Learning Potential Energy Surfaces of Hydrogen Atom Transfer Reactions in Peptides
von: Neubert, Marlen, et al.
Veröffentlicht: (2025)

Distributional Priors Guided Diffusion for Generating 3D Molecules in Low Data Regimes
von: Hong, Haokai, et al.
Veröffentlicht: (2024)

MultiModal-Learning for Predicting Molecular Properties: A Framework Based on Image and Graph Structures
von: Wang, Zhuoyuan, et al.
Veröffentlicht: (2023)

GraphBPE: Molecular Graphs Meet Byte-Pair Encoding
von: Shen, Yuchen, et al.
Veröffentlicht: (2024)

GraphXForm: Graph transformer for computer-aided molecular design
von: Pirnay, Jonathan, et al.
Veröffentlicht: (2024)

RGFN: Synthesizable Molecular Generation Using GFlowNets
von: Koziarski, Michał, et al.
Veröffentlicht: (2024)

EquiBoost: An Equivariant Boosting Approach to Molecular Conformation Generation
von: Yang, Yixuan, et al.
Veröffentlicht: (2025)

GP-MoLFormer: A Foundation Model For Molecular Generation
von: Ross, Jerret, et al.
Veröffentlicht: (2024)

Pre-training of Molecular GNNs via Conditional Boltzmann Generator
von: Koge, Daiki, et al.
Veröffentlicht: (2023)

Training-Free Guidance for Discrete Diffusion Models for Molecular Generation
von: Kerby, Thomas J., et al.
Veröffentlicht: (2024)

Multimodal Large Language Models for Inverse Molecular Design with Retrosynthetic Planning
von: Liu, Gang, et al.
Veröffentlicht: (2024)

De Novo Molecular Design Enabled by Direct Preference Optimization and Curriculum Learning
von: Hou, Junyu
Veröffentlicht: (2025)

Expanding Chemical Representation with k-mers and Fragment-based Fingerprints for Molecular Fingerprinting
von: Ali, Sarwan, et al.
Veröffentlicht: (2024)

EquiFlow: Equivariant Conditional Flow Matching with Optimal Transport for 3D Molecular Conformation Prediction
von: Tian, Qingwen, et al.
Veröffentlicht: (2024)

E3STO: Orbital Inspired SE(3)-Equivariant Molecular Representation for Electron Density Prediction
von: Mitnikov, Ilan, et al.
Veröffentlicht: (2024)

Sculpting Molecules in Text-3D Space: A Flexible Substructure Aware Framework for Text-Oriented Molecular Optimization
von: Zhang, Kaiwei, et al.
Veröffentlicht: (2024)

Mol-LLM: Multimodal Generalist Molecular LLM with Improved Graph Utilization
von: Lee, Chanhui, et al.
Veröffentlicht: (2025)

Guided Multi-objective Generative AI to Enhance Structure-based Drug Design
von: Kadan, Amit, et al.
Veröffentlicht: (2024)

NeuralPLexer3: Accurate Biomolecular Complex Structure Prediction with Flow Models
von: Qiao, Zhuoran, et al.
Veröffentlicht: (2024)

WGFormer: An SE(3)-Transformer Driven by Wasserstein Gradient Flows for Molecular Ground-State Conformation Prediction
von: Wang, Fanmeng, et al.
Veröffentlicht: (2024)

Towards Fast, Specialized Machine Learning Force Fields: Distilling Foundation Models via Energy Hessians
von: Amin, Ishan, et al.
Veröffentlicht: (2025)

MOFFlow: Flow Matching for Structure Prediction of Metal-Organic Frameworks
von: Kim, Nayoung, et al.
Veröffentlicht: (2024)

A Transformer Based Generative Chemical Language AI Model for Structural Elucidation of Organic Compounds
von: Tan, Xiaofeng
Veröffentlicht: (2024)

From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning
von: Min, Yaosen, et al.
Veröffentlicht: (2022)

A recipe for scalable attention-based MLIPs: unlocking long-range accuracy with all-to-all node attention
von: Qu, Eric, et al.
Veröffentlicht: (2026)

Tokenization for Molecular Foundation Models
von: Wadell, Alexius, et al.
Veröffentlicht: (2024)

Equivariant Blurring Diffusion for Hierarchical Molecular Conformer Generation
von: Park, Jiwoong, et al.
Veröffentlicht: (2024)

Superior Molecular Representations from Intermediate Encoder Layers
von: Pinto, Luis
Veröffentlicht: (2025)

Two-Stage Pretraining for Molecular Property Prediction in the Wild
von: Wijaya, Kevin Tirta, et al.
Veröffentlicht: (2024)

Diffusion-Driven Generative Framework for Molecular Conformation Prediction
von: Yang, Bobin, et al.
Veröffentlicht: (2023)