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
Thông tin chi tiết chính được chắt lọc từ
by Nathan C. Fr... lúc arxiv.org 03-19-2024
https://arxiv.org/pdf/2306.12360.pdfYêu cầu sâu hơn