新研究提出 AtomSteer 原子生成模型测试时约束引导框架
AtomSteer: Test-Time Constraint Steering for Atomistic Generative Models
研究团队提出 AtomSteer,一个可在采样时对预训练原子生成模型施加结构约束的测试时推理框架,无需重新训练或改动架构。该方法用有界局部投影、图刚性立体化学变换和周期对称投影修正中间结构预测,并在 FlowMM、ET-Flow 和 Boltz-2 三个骨架上验证。
预印本 · arxiv · 2610.38517
本站摘要基于收录版本 v1(2026-10-30),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
扩散模型和流匹配模型为生成晶体材料、分子构象以及蛋白质-配体复合物提供了可扩展的方法。然而,满足晶体学对称性、结构几何以及精确的立体化学仍然充满挑战。满足这些要求需要进行修正,同时保留预训练模型已经捕捉到的几何结构。在本工作中,我们提出了 AtomSteer,这是一个测试时推理框架,用于以结构约束引导预训练的原子级生成模型。在采样过程中,AtomSteer 通过有界局部投影、图刚性立体化学变换以及周期性对称投影来修正中间结构预测,接受能够改善约束满足度的更新,同时限制对结构其余部分的改动。我们在三个预训练骨干模型上验证了 AtomSteer,分别是 FlowMM、ET-Flow 和 Boltz-2,涵盖从头晶体生成与晶体结构预测、分子构象生成以及蛋白质-配体复合物结构预测。AtomSteer 在从头晶体生成中提升了空间群分布的覆盖度,并在晶体结构预测中提高了目标空间群的恢复率。AtomSteer 提升了分子有效性和 E/Z 立体化学准确性,同时保持了构象系综的保真度。对于蛋白质-配体复合物,AtomSteer 相对于实验参考结构降低了配体 E/Z 错误,同时取得了具有竞争力的对接成功率和 PoseBusters 有效性。我们的方法提供了一个统一框架,可在无需重新训练或修改架构的情况下,为现有原子级生成模型添加化学和晶体学控制。
来源:arXiv · arxiv.org