基于扩散概率模型的去噪预测网络预测人体运动

1

作者 王婷玉 谢文军 +2 位作者 王冬 李琳 刘晓平 《小型微型计算机系统》 北大核心 2025年第4期883-891,共9页

近年来,深度学习方法在人体运动预测方面取得了良好的进展,目前单一阶段方法在预测的准确性和多样性上仍存在改进空间,而采用多阶段方式则导致难以端到端预测.为此,本文提出了一种基于扩散概率模型的去噪预测网络,旨在以端到端的方式去... 近年来,深度学习方法在人体运动预测方面取得了良好的进展,目前单一阶段方法在预测的准确性和多样性上仍存在改进空间,而采用多阶段方式则导致难以端到端预测.为此,本文提出了一种基于扩散概率模型的去噪预测网络,旨在以端到端的方式去预测出准确多样的人体运动.其中提出了一个基于Transformer的模块,包含一个无softmax的修正线性自注意力,提升了人体运动预测的准确性.此外,本文还提出了一种基于DPM-Solver++的扩散模型采样策略,预测出更加连续和多样性的人体运动姿态序列,并将预测出同一质量人体运动姿态序列的采样时间缩减至一半以下.最后,将本文方法在两个标准数据集Human3.6M和HumanEva-I上进行充分评估.实验结果表明,本文方法优于最先进的单一阶段的方法. 展开更多

关键词 人体运动预测 扩散概率模型 去噪预测网络 修正线性自注意力 DPM-Solver++

在线阅读 下载PDF 职称材料

基于改进去噪扩散概率模型和模型迁移的新能源场站超短期出力场景生成

2

作者 戴宇欣 张俊 +6 位作者 乔骥 沈阳武 余及舟 许沛东 张科 高天露 白昱阳 《电网技术》 北大核心 2025年第2期511-521,I0035-I0037,共14页

新能源出力具有强不确定性,为新型电力系统的调度、控制带来了极大的挑战。为实现精准的新能源出力场景建模,首先,针对常规新能源场站超短期出力的不确定性,该文提出一种改进的去噪扩散概率模型,结合改进的自注意力机制设计适配新能源... 新能源出力具有强不确定性,为新型电力系统的调度、控制带来了极大的挑战。为实现精准的新能源出力场景建模,首先,针对常规新能源场站超短期出力的不确定性,该文提出一种改进的去噪扩散概率模型,结合改进的自注意力机制设计适配新能源超短期出力场景生成的神经网络架构,以更好地捕捉新能源出力时序上的相关性,拟合其概率分布,从而实现新能源场站超短期出力场景的生成;然后,针对新建新能源场站历史数据不足问题,提出基于模型迁移的新建新能源场站超短期出力场景生成框架,从而在小样本条件下完成场景生成模型的构建。最后,在美国国家可再生能源实验室开源的风电、光伏出力数据集上进行了算例分析,算例结果表明所提模型在各项评价指标上较生成对抗网络、变分自编码器以及无模型迁移具有显著的性能提升。 展开更多

关键词 新能源 场景生成 去噪扩散概率模型 自注意力机制 模型迁移

在线阅读 下载PDF 职称材料

基于去噪扩散概率模型的离线真实无线干扰信号分类

3

作者 刘春雨 袁俊 +2 位作者 孙晓萌 张磊 张博 《电波科学学报》 北大核心 2025年第3期546-551,共6页

无线通信数据传输的可靠性和有效性在很大程度上取决于对干扰信号的检测和分类。近年来,深度学习(deep learning,DL)算法被广泛用于干扰信号的检测和分类。DL算法需要高质量的训练样本,然而,在无线通信系统中,实时获得大量高质量的干扰... 无线通信数据传输的可靠性和有效性在很大程度上取决于对干扰信号的检测和分类。近年来,深度学习(deep learning,DL)算法被广泛用于干扰信号的检测和分类。DL算法需要高质量的训练样本,然而,在无线通信系统中,实时获得大量高质量的干扰信号样本是具有挑战性的。为了解决这些挑战,本文提出了一种基于去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)的离线真实无线干扰信号分类的方法,该方法利用DDPM在特征提取之前对收集的信号进行离线处理,然后将信号发送到预定义的分类器中。仿真结果表明,本文所提算法能够在4个样本信号的情况下,将干扰信号分类和识别的准确率提高到91%,有效地解决了真实无线通信场景中由于样本数量少和数据质量差而导致的干扰识别准确度较低的问题。此外,证明了在信号处理中使用生成模型的可行性,并在真实通信场景中实现了高精度的识别性能。 展开更多

关键词 去噪扩散概率模型(ddpm) 生成对抗网络 深度学习(DL)算法 神经网络算法 无线通信干扰(WCI)

在线阅读 下载PDF 职称材料

基于去噪扩散概率模型的人脸图像修复模型

4

作者 刘纪红 黄熙雄 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第9期1227-1234,共8页

针对使用主流人脸图像修复模型在修复图像后,出现图像质量欠佳、修复边缘模糊,且模型复杂、训练困难的问题,提出了一种基于去噪扩散概率模型的人脸图像修复模型.通过使用Guided-diffusion中的U-Net网络结构,并在网络中引入快速傅里叶卷... 针对使用主流人脸图像修复模型在修复图像后,出现图像质量欠佳、修复边缘模糊,且模型复杂、训练困难的问题,提出了一种基于去噪扩散概率模型的人脸图像修复模型.通过使用Guided-diffusion中的U-Net网络结构,并在网络中引入快速傅里叶卷积来改进去噪扩散概率模型,最后在CelebA-HQ高清人脸图像数据集上进行模型的训练与结果评估.实验结果表明,改进后的去噪扩散概率模型在修复随机掩码的人脸图像时,修复结果与原图的PSNR(峰值信噪比)可以达到25.01,SSIM(结构相似性)可以达到0.886,优于改进前的去噪扩散概率模型与现有的基于生成对抗网络的人脸图像修复模型. 展开更多

关键词 深度学习 人脸图像修复 去噪扩散概率模型 快速傅里叶卷积 U-Net网络

在线阅读 下载PDF 职称材料

基于去噪扩散概率模型的水⁃光互补系统随机场景生成方法 被引量：2

5

作者 杨震 杨晶显 +3 位作者 王凯 李玉梅 刘俊勇 张帅 《电力系统自动化》 EI CSCD 北大核心 2024年第19期171-180,共10页

随着水-光互补系统应用越来越广泛,准确地描述水-光出力的不确定性对电网的运行和规划具有重要影响。现有多源融合特性建模方法不仅存在考虑可再生能源出力时空相关性不充分的问题,而且在实际复杂应用环境下要进行先验假设,进而导致生... 随着水-光互补系统应用越来越广泛,准确地描述水-光出力的不确定性对电网的运行和规划具有重要影响。现有多源融合特性建模方法不仅存在考虑可再生能源出力时空相关性不充分的问题,而且在实际复杂应用环境下要进行先验假设,进而导致生成质量降低。基于此,文中提出了基于去噪扩散概率模型的水-光互补系统随机场景生成方法。首先,将结合欧氏距离和L2正则化的损失函数作为衡量生成噪声与原始噪声分布差异的标准,并设计适应水-光-荷随机场景生成的UNet网络结构;然后,通过对前向过程不断加噪和逆向过程不断去噪训练,捕捉水-光-荷多维变量相关性变化及波动特征,拟合其概率分布规律;最后,对多源数据协同建模,高效生成水-光互补系统随机场景。文中算例基于某地区电网实际采集数据进行测试,通过综合评估指标验证了所提方法的有效性。 展开更多

关键词 场景生成 去噪扩散概率模型 水-光互补系统 多源

在线阅读 下载PDF 职称材料

基于去噪扩散概率模型不平衡样本增强的暂态稳定评估 被引量：1

6

作者 李雨婷 刘俊 +3 位作者 刘嘉诚 王光耀 默天啸 林凯威 《电力系统自动化》 EI CSCD 北大核心 2024年第21期148-157,共10页

准确有效的电力系统暂态稳定评估对电力系统安全稳定运行具有重要意义。目前,基于深度学习的暂态稳定评估方法面临着时序特征空间表征困难、样本类别严重不平衡等问题,影响到评估结果的可信度。为了弥补现有研究的不足,提出了一种基于... 准确有效的电力系统暂态稳定评估对电力系统安全稳定运行具有重要意义。目前,基于深度学习的暂态稳定评估方法面临着时序特征空间表征困难、样本类别严重不平衡等问题,影响到评估结果的可信度。为了弥补现有研究的不足,提出了一种基于去噪扩散概率模型(DDPM)不平衡样本增强的电力系统暂态稳定评估方法。首先,构建改进HSV颜色模型对高维数据进行二维图像化处理,从而直观表征高维数据,便于后续训练;然后,基于DDPM算法对不平衡失稳样本空间进行表征学习,规模化生成概率同分布的增强样本,进而解决类别不平衡问题;最后,提出梯度加权类激活映射卷积神经网络以构建暂态稳定评估模型,提升模型的可信度与可解释性。IEEE 39节点系统测试的仿真结果表明,所构建的模型相较于其他方法具备更高的稳定性判别精度,且对失稳样本的识别率显著提高,验证了所提方法的有效性。 展开更多

关键词 暂态稳定评估 去噪扩散概率模型 HSV颜色模型 样本不平衡 可解释性

在线阅读 下载PDF 职称材料

基于去噪扩散概率模型的网络流量入侵检测方法研究

7

作者 王子昂 汤艳君 +1 位作者 王子晨 王子祎 《信息安全研究》 CSCD 北大核心 2024年第5期421-430,共10页

互联网、物联网技术的迅猛发展,保障网络系统的安全性成为一项紧迫的任务.然而,传统的入侵检测模型在面对复杂网络环境中的稀有类攻击流量时存在局限性,不同种类网络流量的数据不平衡性会影响模型整体的分类性能.针对以上问题,提出基于... 互联网、物联网技术的迅猛发展,保障网络系统的安全性成为一项紧迫的任务.然而,传统的入侵检测模型在面对复杂网络环境中的稀有类攻击流量时存在局限性,不同种类网络流量的数据不平衡性会影响模型整体的分类性能.针对以上问题,提出基于去噪扩散概率模型的网络流量入侵检测方法——DDPM_1DCNN_BiLSTM,使用去噪扩散概率模型生成稀有类攻击流量数据进行样本扩充,使用融合自注意力机制的1DCNN_BiLSTM模型进行特征的提取与流量检测.实验使用不平衡入侵检测数据集NSL-KDD,将1DCNN_BiLSTM与包括randomforest,decisiontree等现有常见分类模型分别在原始训练集与平衡化数据集上训练,并使用训练后的模型对同一测试集分类.实验结果表明,由平衡化数据集训练出的各种现有分类模型相较于由原始不平衡数据集训练出的模型,前者在测试集中表现的效果更好,并且所提方法相较于常见的入侵检测方法具有更高的准确率与F1分数,证明了所提方法对提高稀有类攻击流量检出率与入侵检测综合能力的有效性. 展开更多

关键词 去噪扩散概率模型 入侵检测 稀有类攻击流量 不平衡数据 深度学习

在线阅读 下载PDF 职称材料

扩散模型在计算机视觉领域的研究现状 被引量：1

8

作者 管凤旭 张涵宇 +3 位作者 路斯棋 赖海涛 杜雪 郑岩 《智能系统学报》 北大核心 2025年第2期265-282,共18页

扩散模型是受分子热力学启发而来的一类新的生成模型,具有训练稳定、对模型设置依赖性弱等优点。近年来,扩散模型被广泛应用于各项任务,并且取得了相比于以往生成模型更多样、更高质量的结果。目前,扩散模型已成为计算机视觉领域热门的... 扩散模型是受分子热力学启发而来的一类新的生成模型,具有训练稳定、对模型设置依赖性弱等优点。近年来,扩散模型被广泛应用于各项任务,并且取得了相比于以往生成模型更多样、更高质量的结果。目前,扩散模型已成为计算机视觉领域热门的基准方法。为更好地促进扩散模型在计算机视觉领域的发展,对扩散模型进行综述:首先对比了扩散模型与其他生成模型的优劣,介绍了扩散模型的数学原理;随后,从扩散模型存在的普遍问题出发,介绍了相关学者近年来所做的改进工作,以及扩散模型在多种视觉任务上的应用实例;最后,探讨了扩散模型存在的问题,并提出了一些未来可能的发展趋势。 展开更多

关键词 扩散模型 去噪扩散概率模型 分数扩散模型 深度学习 计算机视觉 图像生成 生成模型 生成对抗网络

在线阅读 下载PDF 职称材料

基于粗糙集的去噪扩散概率方法 被引量：1

9

作者 佘志用 郭晓新 +1 位作者 冯月萍 张东坡 《吉林大学学报（理学版）》 CAS 北大核心 2024年第2期339-346,共8页

基于非Markov链去噪扩散隐式模型(DDIM),提出一种粗糙集的去噪扩散概率方法,用粗糙集理论对采样的原序列等价划分,在原序列上构建子序列的上下近似集和粗糙度,当粗糙度最小时获取非Markov链去噪扩散隐式模型的有效子序列.利用去噪扩散... 基于非Markov链去噪扩散隐式模型(DDIM),提出一种粗糙集的去噪扩散概率方法,用粗糙集理论对采样的原序列等价划分,在原序列上构建子序列的上下近似集和粗糙度,当粗糙度最小时获取非Markov链去噪扩散隐式模型的有效子序列.利用去噪扩散概率模型(DDPM)和DDIM进行对比实验,实验结果表明,该方法获取的序列是有效子序列,且在该序列上的采样效率优于DDPM. 展开更多

关键词 粗糙集 去噪扩散概率模型 非Markov链去噪扩散概率模型 MARKOV链

在线阅读 下载PDF 职称材料

基于DDPM的盲解调实验系统设计

10

作者 臧淼 邢志强 李响 《实验室研究与探索》 北大核心 2025年第1期91-95,170,共6页

盲解调技术因其在非协作通信领域的重要应用而广受关注,因其理论的抽象、复杂性成为课程教学中的一个难点。基于Matlab设计一套非协作通信环境下的盲解调系统。系统涵盖载波频率估计、符号速率估计、调制方式识别、载波同步、符号同步... 盲解调技术因其在非协作通信领域的重要应用而广受关注,因其理论的抽象、复杂性成为课程教学中的一个难点。基于Matlab设计一套非协作通信环境下的盲解调系统。系统涵盖载波频率估计、符号速率估计、调制方式识别、载波同步、符号同步以及盲均衡等多个模块。通过采用去噪扩散概率模型(DDPM)对调制信号星座图样点去噪,基于最小均方误差自动识别多进制相移键控的调制方式。实验结果表明,该盲解调系统能有效估计信号参数、提取信号星座图和识别调制方式,成功解调还原信号,并保持较低的误码率。该系统具有较强的综合性、直观性和可扩展性,有利于学生理解盲解调系统的工作原理和DDPM的应用场景,培养学生的工程实践能力和创新思维。 展开更多

关键词 去噪扩散概率模型 盲解调 星座图 调制方式识别

在线阅读 下载PDF 职称材料

生成扩散模型研究综述 被引量：12

11

作者 闫志浩 周长兵 李小翠 《计算机科学》 CSCD 北大核心 2024年第1期273-283,共11页

扩散模型在生成模型领域具有高质量的样本生成能力,一经推出就不断地刷新图像生成评价指标FID分数的记录,成为了该领域的研究热点,而此类相关综述在国内还鲜有介绍。因此,文中对相关扩散生成模型的研究进行汇总与分析。首先,对去噪扩散... 扩散模型在生成模型领域具有高质量的样本生成能力,一经推出就不断地刷新图像生成评价指标FID分数的记录,成为了该领域的研究热点,而此类相关综述在国内还鲜有介绍。因此,文中对相关扩散生成模型的研究进行汇总与分析。首先,对去噪扩散概率模型、基于分数的扩散生成模型和随机微分方程的扩散生成模型这3类通用模型的特点和原理进行了论述,就每一类基本扩散模型中以优化模型内部算法、高效采样为改进目标的相关衍生模型进行分析。其次,对当下扩散模型在计算机视觉、自然语言处理、时间序列、多模态和跨学科领域等方面的应用进行总结。最后,基于上述论述,分别就目前扩散生成模型存在的采样步骤多、采样时间长等局限性提出了相关建议,并结合前述研究对未来扩散生成模型的发展方向进行了研判。 展开更多

关键词 深度学习 生成模型 去噪扩散概率模型 基于分数的扩散模型 随机微分方程 图像生成

在线阅读 下载PDF 职称材料

基于扩散模型的高阶拓扑绝缘体实时设计 被引量：1

12

作者 徐志昂 骆嘉晨 +2 位作者 丁相贵 杜宗亮 郭旭 《力学学报》 EI CAS CSCD 北大核心 2024年第7期1840-1848,共9页

作为一种全新的波控工具,高阶拓扑绝缘体可以将能量鲁棒高效地局域化在低维空间,且对缺陷不敏感.在光子和声子系统中,高阶拓扑绝缘体的快速设计仍然是一项挑战.采用移动可变形孔洞法显式描述C4v对称的单胞构型,并结合能带理论和对称指... 作为一种全新的波控工具,高阶拓扑绝缘体可以将能量鲁棒高效地局域化在低维空间,且对缺陷不敏感.在光子和声子系统中,高阶拓扑绝缘体的快速设计仍然是一项挑战.采用移动可变形孔洞法显式描述C4v对称的单胞构型,并结合能带理论和对称指标刻画其性能(拓扑性质和非平凡带隙宽度).在此基础上,构建了包含几何参数、无量纲化带隙宽度与拓扑性质指标的高阶拓扑绝缘体数据集,并提出了一种基于去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)的实时设计框架.相比采用其他生成式模型的设计框架,DDPM有效避免了训练不稳定和生成保真度低等问题.该框架可以精准且快速地按目标需求或最大化带隙宽度逆向设计力学高阶拓扑绝缘体,在单机上生成所需设计的平均相对误差在3.5%以内,平均耗时仅需0.01 s,相比传统逆向设计方法效率提升6~7个数量级.通过使用Wasserstein距离度量逆向设计样本的多样性,该框架相较基于深度学习代理模型的优化设计结果,表现出更高的生成结果多样性.此外,所得设计具有显式描述的几何信息,可以直接与CAD/CAE软件结合,避免了隐式描述算法中的后处理步骤.这种基于DDPM的实时设计框架可扩展应用于多物理场拓扑材料和其他类型超材料的逆向设计,并为构建声子和光子拓扑材料的数据库提供了基础. 展开更多

关键词 高阶拓扑绝缘体 实时设计 去噪扩散概率模型 移动可变形孔洞法 对称指标理论

在线阅读 下载PDF 职称材料

基于FDVI和CDDPM的小样本岸桥齿轮箱多类故障诊断

13

作者 袁九海 张氢 +2 位作者 张建群 冯文宗 孙远韬 《振动与冲击》 北大核心 2025年第6期306-317,共12页

岸桥齿轮箱零部件数量多、故障类型丰富,且故障数据难以获取,其诊断面临小样本、多分类的问题。针对上述问题,提出了一种基于频域振动图(frequency domain vibration image,FDVI)和条件去噪扩散概率模型(conditional denoising diffusio... 岸桥齿轮箱零部件数量多、故障类型丰富,且故障数据难以获取,其诊断面临小样本、多分类的问题。针对上述问题,提出了一种基于频域振动图(frequency domain vibration image,FDVI)和条件去噪扩散概率模型(conditional denoising diffusion probabilistic model,CDDPM)的故障诊断方法。首先,将获取的振动信号转为FDVI图像,充分表征各故障的振动信号的特征信息;然后,使用CDDPM对小样本数据进行扩充,将标签信息输入到模型以控制生成故障样本类别,同时采用跳层采样加快样本生成速度;最后,将扩充后的样本集输入卷积神经网络分类器中进行训练,提升分类器对小样本多类故障诊断的效果。在对CWRU数据集的17种故障类型和岸桥缩尺试验台数据集的29种故障类型的小样本诊断试验表明:样本扩充后CWRU数据集故障识别率由89.86%提高到99.30%;岸桥数据集故障识别率由68.63%提高到95.75%。上述分析表明所提方法能完成小样本条件下岸桥齿轮箱多类故障诊断任务。 展开更多

关键词 频域振动图 条件去噪扩散概率模型 小样本 岸桥齿轮箱 故障诊断

在线阅读 下载PDF 职称材料

基于扩散模型确定性病变表征的眼底病灶分割方法

14

作者 谢莹鹏 屈俊龙 +2 位作者 谢海 汪天富 雷柏英 《中国生物医学工程学报》 CAS CSCD 北大核心 2024年第5期525-538,共14页

获取全面的眼底病变分割图是开发自动化、可解释的视网膜病症诊断工具的关键步骤。然而,眼底图像上病变的多样性及复杂性,导致了精确标注的稀缺,限制了传统监督学习方法的发展及应用。近期研究表明,表征学习通过从大规模未标注数据中预... 获取全面的眼底病变分割图是开发自动化、可解释的视网膜病症诊断工具的关键步骤。然而,眼底图像上病变的多样性及复杂性,导致了精确标注的稀缺,限制了传统监督学习方法的发展及应用。近期研究表明,表征学习通过从大规模未标注数据中预训练强大的图像表征提取模型,在下游任务中仅需少量标注数据即可取得优异的性能表现。本研究提出了一种新颖的基于去噪扩散概率模型的表征学习分割框架。这一框架的目标是通过生成式建模,更精准地捕捉医学图像中的局部和微妙变化,为眼底图像的病灶分割提供精确的特征表示。采用未标记的眼底图像来学习预定义的马尔科夫扩散的逆过程,从而为从眼底图像中提取像素级表征奠定基础。此外,考虑到视网膜病变的严重性和病灶的相关性,引入一个病变分级网络,以指导逆扩散过程,增强与病灶紧密相关的表征能力。这些经过引导的表征作为眼底图像内在语义信息的存储库,为下游视网膜分割任务提供坚实的图像像素级表征基础。在多个眼底图像数据集上的实验中,所提出的方法在视杯和视盘分割任务上仅使用50个样本取得了0.872和0.877的平均Dice系数。在糖尿病性视网膜病变病灶分割中,平均Dice系数为0.664,而在年龄相关性黄斑变性病灶分割任务中,模型达到了0.513的平均Dice系数。研究结果证明了扩散模型所学习到的表征在多种复杂眼底病变分割任务上的通用性和有效性。 展开更多

关键词 眼底病变 去噪扩散概率模型 表征学习 像素级表征

在线阅读 下载PDF 职称材料

MCFA-UNet:结合多尺度融合与注意力机制的图像生成网络

15

作者 王铁君 张泽宇 +1 位作者 郭晓然 武娇 《计算机工程与应用》 北大核心 2025年第12期222-231,共10页

在图像生成领域,基于去噪扩散概率模型(DDPM)的深度学习方法已经取得了显著的进展。然而,在处理复杂纹理和细节丰富的图像时,现有模型生成的图像会出现模糊、纹理细节不清晰等问题,主要原因是原始DDPM采用的UNet网络在捕捉高度细节化图... 在图像生成领域,基于去噪扩散概率模型(DDPM)的深度学习方法已经取得了显著的进展。然而,在处理复杂纹理和细节丰富的图像时,现有模型生成的图像会出现模糊、纹理细节不清晰等问题,主要原因是原始DDPM采用的UNet网络在捕捉高度细节化图像特征时存在一定局限性。为解决这一问题,提出了一种基于多尺度卷积和融合注意力机制的新型UNet网络,命名为MCFA-UNet。该网络通过在编码器和解码器中引入残差块和线性注意力多尺度卷积模块,并在跳跃连接中加入多尺度融合注意力组件,提升了对图像细节的捕捉能力及生成图像的整体质量。实验结果显示,在唐卡数据集、Cifar10和ImageNet-64公共数据集上,采用MCFA-UNet的DDPM模型优于原始的DDPM模型,得到了更低的FID值和更高的主观评价得分,证明了其改进效果的显著性。 展开更多

关键词 图像生成 去噪扩散概率模型(ddpm) UNet网络 AIGC方法

在线阅读 下载PDF 职称材料

生成式深度学习在目标导向分子设计中的应用进展

16

作者 王纪峰 汪莹 《中国材料进展》 北大核心 2025年第5期424-435,450,共13页

分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综... 分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综述了生成式深度学习在分子设计中的应用进展,首先对不同分子表示方法(如SMILES、分子图和三维结构表示)进行比较,分析了各自的优缺点。随后,综合评估了3种主流生成式模型:生成对抗网络(GAN)、变分自动编码器(VAE)和去噪扩散概率模型(DDPM),并探讨了生成式模型在目标导向分子设计中的应用,重点分析不同模型在分子生成质量与性质优化方面的差异。最后,基于现有技术的研究进展,提出了未来生成式模型在分子设计领域的研究方向。 展开更多

关键词 分子生成 生成式深度学习 生成对抗网络 变分自动编码器 去噪扩散概率模型 模型性能评估框架 分子表示

在线阅读 下载PDF 职称材料