ملخص تقني: التدفق الهندسي المطابق لتوليد الهيئات الجزيئية عبر تفكيك المتشعبات

بيان المشكلة

يعد توليد هيئات جزيئية ثلاثية الأبعاد دقيقة من الرسوم البيانية الجزيئية ثنائية الأبعاد تحديًا حاسمًا في الكيمياء الحسابية واكتشاف الأدوية. وبينما حققت نماذج الانتشار (Diffusion) والتدفق المطابق (Flow Matching) الحديثة نجاحًا، إلا أنها تعاني من عدم توافق جوهري بين صياغاتها الرياضية والواقع الفيزيائي للجزيئات.

تتعامل النهج الحالية بشكل أساسي مع الجزيئات كأنها سحب نقاط غير منظمة ضمن فضاء إقليدي ديكارتي ($\mathbb{R}^{3N}$). يتجاهل هذا الافتراض الميكانيكا الهرمية الجوهرية للجزيئات: حيث تكون أطوال الروابط وزوايا الروابط صلبة نسبيًا (جامدة)، بينما تشكل زوايا الالتواء (Torsion angles) درجات الحرية المهيمنة المرنة. ومن خلال العمل بشكل أعمى في الفضاء الإقليدي، تضطر هذه النماذج إلى فرض التوجهات الدورانية كإزاحات خطية (مما ينتهك هندسة مجموعة $SO(3)$) وتطبيق ضجيج غاوسي موحد على جميع الذرات. ونتيجة لذلك، يجب على النماذج "إعادة تعلم" القيود الهندسية الأساسية من الصفر، مما يؤدي غالبًا إلى هياكل وسيطة غير منطقية فيزيائيًا، وبطء في التقارب، وفشل في التقاط توزيع بولتزمان الحقيقي تحت المظلة بفعالية.

المنهجية: GO-Flow

لمعالجة هذه القيود، يقترح المؤلفون GO-Flow، وهو إطار عمل توليدي مدرك للمتشعبات (Manifold-aware) يقوم بتفكيك عملية التوليد الجزيئي إلى ثلاثة فضاءات فرعية محفزة فيزيائيًا، كل منها يتم نمذجته باستخدام هدف تدفق مطابق مصمم خصيصًا لهندسته.

1. تفكيك المتشعب (Manifold Decomposition)

بدلاً من نظام ديكارتي أحادي، يقوم GO-Flow بتمثيل الحالة الجزيئية $X$ كدالة لثلاثة متشعبات متميزة:
$$X = f(c, q, z)$$
حيث:

• فضاء الإزاحة ($M_T = \mathbb{R}^3$): يمثل مركز الكتلة ($c$).
• فضاء الدوران ($M_R = SO(3)$): يمثل التوجه العالمي عبر الكواتيرنيونات الوحدة ($q$)، مع معاملة الفضاء ككرة فائقة مع تحديد متقابل (Antipodal identification).
• فضاء الهيئة ($M_C$): يمثل الإحداثيات الداخلية ($z$)، والتي تتكون من أطوال الروابط ($r$)، وزوايا الروابط ($\theta$)، وزوايا الالتواء الدورية ($\phi$).

2. التدفق المطابق المدرك للمتشعب

يتعلم إطار العمل حقول السرعة على هذه المتشعبات المحددة لنقل التوزيع القبلي (Prior distribution) إلى توزيع البيانات:

• الإزاحة: يتم نمذجتها باستخدام النقل الأمثل الخطي. المسار بين الضجيج والهدف هو مسار خطي، مما ينتج عنه حقل سرعة ثابت ($v_{trans} = c_1 - c_0$).
• الدوران: يتم نمذجته باستخدام التدفقات الجيوديسية على متشعب $SO(3)$. يتم تمثيل الدورات بواسطة كواتيرنيونات الوحدة، ويتم حساب المسار الأمثل عبر الاستيفاء الخطي الكروي (SLERP). يتم اشتقاق سرعة الهدف كمتجه سرعة زاوية في جبر Lie $\mathfrak{so}(3)$، مما يضمن توليدًا متسقًا دورانياً ويتجنب حالات التفرد مثل "قفل المحور" (Gimbal lock).
• الهيئة: يتم نمذجتها باستخدام النقل الأمثل الإنتروبي. نظرًا لأن فضاء الإحداثيات الداخلية متعدد الأنماط للغاية ذو مشهد طاقة معقد، فإن الاستيفاء الخطي القياسي غير كافٍ. تستخدم الطريقة خوارزمية Sinkhorn لإيجال اقتران أمثل يقلل من تكلفة النقل المنظمة، مما يؤدي إلى تنعيم حقل المتجهات لالتقاط تنوع توزيع بولتزمان دون عبور حواجز الطاقة العالية.

3. التركيب الهندسي والتدريب

لتوليد الإحداثيات الديكارتية النهائية، يستخدم النموذج إسقاطًا يعتمد على جاكوبي (Jacobian-based projection) صارمًا رياضيًا. يتم تركيب السرعة الذرية الكلية من سرعة الإزاحة، وسرعة الدوران (حاصل الضرب الاتجاهي للسرعة الزاوية والموقع النسبي)، وسرعة الهيئة المحولة بواسطة مصفوفة جاكوبي للإحداثيات الداخلية.

تستخدم استراتيجية التدريب منهج تعليمي ثلاثي المراحل:

1. التعلم المنفصل: تدريب مستقل لأهداف التدفق المطابق لكل فضاء فرعي.
2. الاقتران بين الفضاءات: تدريب مشترك مع فقد اتساق التدفق لضمان التماسك العالمي، باستخدام أوزان تكيفية بناءً على عدم اليقين متجانس التباين (Homoscedastic uncertainty).
3. ضبط ODE الدقيق: ضبط دقيق اختياري قائم على الاحتمالية يعامل حقل المتجهات كتدفق طبيعي مستمر (Continuous Normalizing Flow).

المساهمات الرئيسية

1. إطار عمل GO-Flow: نموذج جديد يبتعد عن إزالة الضجيج الديكارتي غير المنظم عبر تفكيك التوليد الجزيئي إلى متشعبات الإزاحة والدوران والهيئة. هذا يضخ انحيازات استقرائية فيزيائية مباشرة في عملية التوليد.
2. أهداف تدفق مطابق مخصصة: تقديم أهداف محددة لكل فضاء فرعي: الاستيفاء الجيوديسي للدوران (للحفاظ على اتساق $SO(3)$) والنقل الأمثل الإنتروبي للإحداثيات الداخلية (للتنقل في مشاهد الطاقة المعقدة). هذا يلغي الحاجة إلى أن تعيد النماذج تعلم القيود الهندسية الأساسية.
3. أداء رائد (State-of-the-Art): تُظهر التجارب المكثفة أن GO-Flow يحقق صلاحية هندسية وتنوعًا متفوقًا مقارنة بنماذج الانتشار والتدفق المطابق القائمة على الإحداثيات الديكارتية.
4. الكفاءة الحسابية: من خلال تعلم مسارات احتمالية أكثر استقامة طبيعيًا على المتشعبات الصحيحة، يتيح الأسلوب أخذ عينات عالية الدقة باستخدام 50 خطوة فقط من حلل ODE، مما يتفوق بشكل كبير على طرق الانتشار التقليدية التي تتطلب آلاف الخطوات.

النتائج التجريبية

تم تقييم النموذج على معايير GEOM-Drugs و GEOM-QM9 مقابل نماذج رائدة تشمل GeoDiff و ET-Flow و AvgFlow و RDKit.

• GEOM-Drugs: حقق GO-Flow متوسط استدعاء تغطية (COV-R) بنسبة 94.82% ومتوسط استدعاء مطابقة (MAT-R) قدره 0.7971 Å، متفوقًا على GeoDiff (89.40% COV-R) و ET-Flow (93.12% COV-R). كما حقق أعلى درجات الدقة (COV-P: 70.13%).
• GEOM-QM9: أظهر النموذج دقة هندسية استثنائية بمتوسط MAT-R قدره 0.2086 Å، متفوقًا على GeoDiff (0.2116 Å) و RDKit (0.2974 Å).
• الخصائص الجزيئية: أظهر تقييم الخصائص الديناميكية الحرارية والإلكترونية (الطاقة الكلية وفجوة HOMO-LUMO) أن GO-Flow حقق أدنى متوسط أخطاء مطلقة (MAE) عبر جميع المقاييس، مما يشير إلى أن الهيئات المولدة تقع في مناطق منخفضة الطاقة من سطح طاقة الجهد.
• الكفاءة: وصل GO-Flow إلى أداء رائد في 50 خطوة، بينما تطلبت نماذج الانتشار مثل GeoDiff نحو 5,000 خطوة لتحقيق نتائج مماثلة أو أقل جودة.

الأهمية والادعاءات

يزعم البحث أن GO-Flow يعيد التفكير جذريًا في التوليد الجزيئي ثلاثي الأبعاد من خلال مواءمة النمذجة التوليدية مع الهندسة الجزيئية عبر تفكيك المتشعبات. ويجادل المؤلفون بأن المكسب الكبير في الكفاءة ليس مجرد تحسين هندسي، بل هو نتيجة نظرية لنمذجة مسارات احتمالية تحترم الهندسة الكامنة للبيانات.

من خلال فرض التكافؤ (Equivariance) بصرامة والتعامل مع مشهد الطاقة المعقد من خلال النقل المدرك للمتشعب، يجسّر GO-الفجوة بين الدقة الهيكلية والتفسير الفيزيائي. ويضع المؤلفون هذا العمل كاتجاه واعد لاكتشاف الأدوية المدعوم بالذكاء الاصطناعي، مشيرين إلى أن احترام المتشعبات الفيزيائية هو شرط مسبق لبناء نماذج توليدية قابلة للتوسع وقابلة للتفسير للبيانات العلمية.

القيود: يشير المؤلفون إلى أن GO-Flow يعمل على رسم بياني جزيئي ثنائي الأبعاد محدد مسبقًا ولا يدعم حاليًا التصميم من الصفر (de novo design) (توليد الذرات/الروابط من البداية). وقد تم تحديد دمج هذا الإطار مع نماذج توليد الرسوم البيانية كاتجاه للأبحاث المستقبلية.