🤖 machine learning

Generating Physically Consistent Molecules with Energy-Based Models

本文介绍了 EBMol，这是一种新颖的能量基模型，它通过基于流启发的目标学习原子加和标量势，恢复了三维分子生成中的物理归纳偏置，在 QM9 和 GEOM-Drugs 数据集上实现了最先进的性能，同时支持原则性的质量排序和可控的零样本设计。

原作者： Christoph Griesbacher, Lea Bogensperger, Andreas Habring, Thomas Pock

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Christoph Griesbacher, Lea Bogensperger, Andreas Habring, Thomas Pock

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在尝试教计算机设计新分子，就像设计由原子构成的微型乐高结构。目标是创造出稳定且物理上可行的分子，而不是那些一碰就会散架的随机积木堆。

目前大多数用于此任务的 AI 方法就像GPS 导航系统。它们学习从“混沌”（随机噪声）到“目的地”（有效分子）的路线。它们非常擅长带你到达目的地，但一旦抵达，它们并不真正理解为什么那个目的地是个好地方。它们无法轻易告诉你分子的略微不同版本是更好还是更差，也无法在不重新训练整个系统的情况下，轻松地将两个不同分子的部分组合成一个新的分子。

EBMol 是一种改变游戏规则的新方法。它不学习路线，而是学习景观。

能量景观：分子的群山

将所有可能的原子排列想象成一片巨大的三维山脉。

山谷代表稳定、真实的分子。山谷越深，分子越稳定。
山峰代表不稳定、不可能或“破碎”的结构。

在物理学中，分子自然倾向于 settle 在最深的山谷中（这被称为“玻尔兹曼分布”）。问题在于，从数据中学习绘制这张山脉地图极其困难。之前的尝试要么完全放弃了绘制地图（使用上述的 GPS 方法），要么试图绘制地图却因地图过于崎岖和混乱而难以导航，从而陷入困境。

EBMol 如何绘制地图

作者引入了一种名为**恢复场匹配（Restoring Field Matching, RFM）**的新训练方法。

想象你有一张代表能量景观的光滑橡胶 sheet。你在 sheet 上放置一个重球（一个真实分子）。你希望 sheet 在球的正下方凹陷下去，形成一个完美的山谷。

旧方法试图通过从远处观察球来猜测凹陷的形状，往往导致形状错误。
EBMol 的方法就像有一股魔法风。它从球的两侧向中心吹拂。如果你在分子的左侧，风会把你推向右侧；如果你在右侧，风会把你推向左侧；如果你在上方或下方，风会把你向下推。

通过训练 AI 创建这种总是指向真实分子的“恢复风”，AI 自动学会了在真实数据所在的位置雕刻出完美的山谷（局部极小值）。在训练阶段，它无需运行昂贵的物理模拟。

导航地图：镜像漫步者

一旦地图绘制完成，你需要一种方法来穿越它，以找到新分子。标准的漫步算法（如朗之万动力学）在平坦地面（坐标）上运作良好，但当遇到墙壁（例如原子概率必须加总为 100% 的规则）时，它们就会陷入困境。

EBMol 使用了一种称为**镜像朗之万算法（Mirror Langevin Algorithm）**的巧妙技巧。

想象你在一个有弯曲墙壁的房间里行走。如果你试图直线行走，可能会撞墙。
“镜像”方法就像戴上一副特殊眼镜，让弯曲的房间在你眼中看起来是平坦的。你在这个“镜像世界”中直线行走，当你摘下眼镜时，你会意识到自己实际上完美地沿着墙壁的曲线行走了。
这使得 AI 能够同时且正确地更新原子的位置（它们在哪里）和类型（它们是碳、氧等），而不会破坏化学规则。

这为何重要：地图的“超能力”

因为 EBMol 实际上学习了能量地图（分子背后的“为什么”），它获得了 GPS 风格模型所不具备的超能力：

排序与过滤：你可以生成 1,000 个分子并立即对它们进行评分。能量最低（山谷最深）的分子是最好的。这就像拥有一个质量检验员，它确切知道哪些分子在物理上是可靠的。
混合与匹配（可组合生成）：因为能量只是各部分的总和，你可以将特定形状（如球形）的“能量地图”与药物分子的地图结合起来。AI 随后会走一条同时满足两个条件的路径。你可以要求一个“球形药物”，即使它在训练数据中从未见过球形药物，它也能生成一个。
零样本连接体设计：想象你拥有分子的两个部分（就像两块拼图），你需要设计中间部分将它们连接起来。EBMol 可以通过“行走”能量景观来找到稳定的连接，从而填补缺失的中间部分，而无需针对该特定拼图进行重新训练。

结果

该论文表明，EBMol 生成的分子不仅有效，而且在物理上比任何未显式建模化学键的先前方法更接近“完美”的稳定状态。它在标准测试（QM9 和 GEOM-Drugs）中取得了最高分，并且至关重要的是，其生成的分子需要更少的“弛豫”（物理调整）才能变得稳定。

简而言之，EBMol 不再将分子生成视为“猜测目的地”的游戏，而是将其转变为“导航物理景观”的游戏，赋予了 AI 对化学更深层、更直观的理解。

技术摘要：基于能量模型生成物理一致性的分子

问题陈述

热平衡下的分子状态由玻尔兹曼分布 $p(x) \propto \exp(-E(x)/(k_BT))$ 支配，其中构型的概率由其势能决定。虽然分子生成的标准数据集（如 QM9、GEOM-Drugs）包含弛豫至局部能量最小值的几何优化结构，但它们并非源自玻尔兹曼分布；其相对频率反映的是枚举策略而非热力学权重。因此，一个极小值与稳定构型重合的标量能量景观是自然的建模目标。

然而，从此类景观中进行学习和采样仍是一个未解决的挑战。传统的基于能量的模型（EBM）需要玻尔兹曼分布的数据进行训练，或者依赖昂贵的马尔可夫链蒙特卡洛（MCMC）方法，而这些方法难以穿越噪声与有效结构之间崎岖且不物理的区域。相反，最先进的扩散模型和流匹配模型通过学习时间条件输运场来规避这些问题。尽管有效，但这些模型丢失了能量归纳偏置，无法在推理时提供显式的能量函数来评估、排序或组合构型。

方法论：EBMol

作者引入了 EBMol，这是一种用于 3D 分子生成的基于能量的模型，它在训练过程中无需显式模拟即可恢复能量归纳偏置。该框架包含两个主要组件：

1. 用于训练的恢复场匹配（RFM）

为了在不依赖玻尔兹曼分布数据的情况下学习可处理的能量景观 $E_\theta(x)$ ，作者提出了恢复场匹配（Restoring Field Matching, RFM）。

概念：RFM 将插值区间扩展至 $t \in [-1, 1]$ ，使轨迹在 $t=0$ 处穿过数据点，而不是像标准流匹配那样将数据点视为轨迹终点。
目标场构建：模型被训练以匹配能量的负梯度 $-\nabla E_\theta(x_t)$ 与目标“恢复场” $u$ 。该场从流形两侧（插值 $t \in [0, 1]$ 和外推 $t \in [-1, 0]$ ）指向数据 $x_0$ 。
平稳性：平滑函数 $b(|t|)$ 缩放目标场，使其在 $t=0$ （数据点）处消失，从而确保数据点成为所学能量景观的局部极小值。
正则化：每个原子的正则化项将清洁数据点的能量值锚定至零，以防止采样器中出现人为的深度偏差。
状态空间处理：该方法通过定义单独的插值项来处理混合连续 - 离散状态（ $x = (c, p)$ ，其中 $c$ 为坐标， $p$ 为原子类型）：坐标采用线性轨迹（通过最优输运对齐），分类特征采用基于反射的轨迹以保持在单纯形内。

2. 用于采样的镜像朗之万算法（MLA）

为了从学习到的分布 $p_\theta(x) \propto \exp(-E_\theta(x)/\tau)$ 中采样，作者改进了镜像朗之万算法（Mirror-Langevin Algorithm）。

统一更新：标准的朗之万动力学会将原子类型推离概率单纯形。MLA 通过在无约束的对偶空间执行更新并通过镜像映射投影回来来解决这一问题。
- 对于连续坐标，欧几里得势能将 MLA 简化为未调整的朗之万算法。
- 对于分类原子类型，负熵势能将单纯形映射到 logit 空间，并通过 softmax 函数投影回来。
并行退火：为了应对穿越崎岖能量景观的困难，作者采用了具有不同温度下多条链的并行退火。周期性的 Metropolis-Hastings 交换允许“热”链广泛探索，“冷”链进行细化，从而实现推理时的计算扩展。

主要贡献

恢复场匹配（RFM）：一种无需模拟的训练目标，它塑造了一个标量、原子可加的能量景观，其中数据点作为局部极小值。作者提供了关于解的存在性和唯一性的理论保证，并刻画了不同正则化强度下的行为。
镜像朗之万采样框架：首个用于联合连续 - 离散深度生成建模的统一混合几何朗之万框架，在单一步骤中结合了坐标更新和单纯形约束的原子类型更新，并辅以并行退火。
最先进性能：EBMol 在 QM9 和 GEOM-Drugs 基准测试中取得了最先进的结果，证明了基于能量的建模在生成质量上可与扩散/流模型相媲美，同时提供额外的能力。

实验结果

该模型在 QM9（13.4 万个小分子）和 GEOM-Drugs（43 万个类药分子）上进行了评估。

生成质量：在 QM9 上，EBMol（使用 1810 次网络函数评估）在原子和分子稳定性方面超越了所有基线，分别达到 99.76% 和 97.09%。在 GEOM-Drugs 上，EBMol 显著优于强基线 SLDM，在高计算预算下实现了 98.68% 的原子稳定性和 61.42% 的分子稳定性。
物理一致性：学习到的能量景观作为一个原则性的质量指标。EBMol 在 GEOM-Drugs 上实现了 1.78 kcal/mol 的中值弛豫能量，比之前的隐式键模型低一个数量级，并且与显式键模型（Megalodon）具有竞争力，尽管其参数量少了 18 倍且没有显式键监督。
与物理能量的相关性：学习到的能量与 GFN2-xTB 弛豫后的能量降低显著相关（ $r=0.65$ ），使该模型能够作为物理应变几何结构的轻量级过滤器。
可控生成：
- 形状引导：通过将所学势能与可微的形状势能（线性、平面、球形）组合，模型可以在不重新训练的情况下将生成引导至代表性不足的几何结构。
- 零样本连接子设计：能量的可加性允许通过固定分子片段进行条件生成。EBMol 在不同复杂度的连接子设计任务中实现了 73.9% 的成功率，且无需针对特定任务进行训练。

意义与主张

本文主张 EBMol 展示了基于能量的模型作为 3D 分子生成通用框架的潜力。其主要意义在于恢复了时间条件模型所丢失的能量归纳偏置，从而实现了：

具有物理意义的评分：能够基于显式能量函数对生成的样本进行排序和过滤。
可组合的生成：能够通过势能组合（例如形状引导）引导生成，并在不重新训练的情况下执行零样本条件生成（例如连接子设计）。
高质量生成：在生成结构时实现了最先进的稳定性和有效性，这些结构意外地接近物理局部极小值，可与具有显式键监督的模型相媲美。

作者指出了局限性，包括采样算法对超参数的敏感性，以及目前需要大量计算预算（NFEs）以获得最佳结果。他们建议未来的工作可以专注于针对物理量（DFT/GFN2-xTB）进行能量校准，以及集成更复杂的采样器。