ترجمه فارسی مقاله تولید نمودار مولکولی مبتنی بر دستورالعمل با مدل انتشار متن یکپارچه

چکیده

Recent advancements in computational chemistry have increasingly focused on synthesizing molecules based on textual instructions. Integrating graph generation with these instructions is complex, leading most current methods to use molecular sequences with pre-trained large language models. In response to this challenge, we propose a novel framework, named $\textbf{UTGDiff (Unified Text-Graph Diffusion Model)}$, which utilizes language models for discrete graph diffusion to generate molecular graphs from instructions. UTGDiff features a unified text-graph transformer as the denoising network, derived from pre-trained language models and minimally modified to process graph data through attention bias. Our experimental results demonstrate that UTGDiff consistently outperforms sequence-based baselines in tasks involving instruction-based molecule generation and editing, achieving superior performance with fewer parameters given an equivalent level of pretraining corpus. Our code is availble at https://github.com/ran1812/UTGDiff.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت های اخیر در شیمی محاسباتی به طور فزاینده ای بر سنتز مولکول ها بر اساس دستورالعمل های متنی متمرکز شده است.ادغام تولید نمودار با این دستورالعمل ها پیچیده است ، و بیشتر روشهای فعلی را برای استفاده از توالی های مولکولی با مدل های زبان بزرگ از قبل آموزش داده شده هدایت می کند.در پاسخ به این چالش ، ما یک چارچوب جدید با نام $ \ textBF {UTGDIFF (مدل انتشار متن-گراف یکپارچه) را پیشنهاد می کنیم ، که از مدل های زبان برای انتشار نمودار گسسته برای تولید نمودارهای مولکولی از دستورالعمل استفاده می کند.UTGDIFF دارای یک ترانسفورماتور متن یکپارچه به عنوان شبکه denoising است که از مدل های زبان از قبل آموزش دیده گرفته شده و حداقل اصلاح شده برای پردازش داده های نمودار از طریق تعصب توجه.نتایج تجربی ما نشان می دهد که UTGDIFF به طور مداوم از خطوط مبتنی بر دنباله در وظایف مربوط به تولید مولکول مبتنی بر دستورالعمل و ویرایش بهتر عمل می کند ، و به عملکرد برتر با پارامترهای کمتری با توجه به سطح معادل Corpus pretraining.کد ما در https://github.com/ran1812/utgdiff در دسترس است.