이 논문에서는 이산 워크-점프 샘플링(dWJS)이라는 새로운 방법론을 제안합니다. dWJS는 에너지 기반 모델(EBM)의 대비 발산 학습과 점수 기반 모델의 향상된 샘플 품질을 결합하여, 단일 노이즈 수준만으로도 학습과 샘플링을 단순화할 수 있습니다.
구체적으로:
실험 결과, dWJS는 항체 단백질 생성 문제에서 우수한 성능을 보였습니다. 생성된 샘플의 생물리학적 타당성, 다양성, 독창성이 높았으며, 실험실 실험에서도 97-100%의 높은 발현률을 달성했습니다. 또한 기존 방법 대비 빠른 샘플링 속도를 보였습니다.
To Another Language
from source content
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Nathan C. Fr... : arxiv.org 03-19-2024
https://arxiv.org/pdf/2306.12360.pdfDaha Derin Sorular