基于图潜扩散的分子表示学习方法，用于提升分子性质预测的泛化能力

《Journal of Cheminformatics》：Graph latent diffusion-based molecular representation learning for enhanced generalization in molecular property prediction

本研究通过构建图潜在扩散自动编码器（Graph LDA），结合Transformer和潜在扩散模型，分析潜在扩散先验对分子表示学习泛化性能的影响。实验表明，Graph LDA通过平滑且多模态的潜在表示，显著提升HOMO能量、溶解度等分子特性的预测泛化能力，并验证了平滑性与多模态特性对模型泛化的关键作用。

　　

摘要

本研究旨在从分子性质预测的泛化性能角度评估潜在扩散模型对分子表示学习的影响。为此，我们基于潜在扩散先验分布构建了一个深度生成模型用于分子表示学习，并引入了使用广泛适用的信息准则（WAIC）和贝叶斯信息准则（WBIC）来评估学习到的分子表示的泛化能力。此外，我们提出了一个基于平滑性和多模态性的分析框架，以分析分子表示中的泛化因素。我们构建了图潜在扩散自编码器（Graph LDA），这是一个深度分子生成模型，它结合了基于变换器的图变分自编码器和基于潜在扩散的先验分布，旨在通过无监督学习构建图级分子表示。我们使用WBIC和WAIC比较了Graph LDA与其他分子表示学习模型在多种分子性质（包括HOMO能量、溶解度和生物活性）上的泛化性能。结果表明，不同模型学习到的分子表示表现出不同的泛化行为，而使用基于潜在扩散的先验的Graph LDA在学习到的分子表示在分子性质预测方面始终表现出更好的泛化能力。通过我们提出的框架，我们实证证明了Graph LDA的优越泛化性能归因于其学习到的分子潜在表示的平滑性和多模态性。这些发现为理解基于潜在扩散的分子表示学习在提高泛化性能中的作用提供了原理性的解释。

科学贡献：本研究系统地分析了基于潜在扩散的先验在分子表示学习中的影响，从分子性质预测的泛化性能角度进行了探讨。通过使用WBIC和WAIC进行泛化评估，并结合分子表示的分析框架，实证证明了基于潜在扩散的先验有助于深度生成模型提取平滑且多模态的潜在表示，从而提升了分子表示的泛化性能。这些发现为开发具有高泛化能力的分子表示学习模型提供了原理性的指导。