首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

用于晶体生成模型推理时间自适应的扩散树采样

2026-11-16 1 阅读 约1分钟阅读 Daniel T. Levy, Vineet Jain, Tara Akhound-Sadegh, S\'ekou-Oumar Kaba, Siamak Ravanbakhsh
分享:
字号:
arXiv:2611.17462v1 公告类型:新 摘要:基于扩散的生成模型已成为优于合理晶体结构的强大先验,但将先验转变为有希望的候选者需要同时转向几个相互冲突的属性。微调成本高昂,并且会为每个新目标生成一个新模型,而可微分指导不适用于许多现实世界的任务。相反,我们使用扩散树采样(DTS)在推理时调整这些生成模型,这是一种针对去噪轨迹的蒙特卡洛树搜索过程。我们在 DTS 之上做出了两项与 AI 科学应用特别相关的技术贡献。首先,我们展示如何使用现有的属性条件生成模型(例如,为无分类器指导而微调的模型)作为 DTS 内的指导建议,而不扭曲目标分布。其次,我们将 DTS 扩展到多目标采样,以便单个搜索产生跨越整个 Pareto 前沿的样本。我们实例化了从头晶体生成的两种适应:提高不同模型生成的晶体的稳定性,使用预训练的条件模型生成属于稀有空间群或具有高体积模量的晶体,并沿着高介电常数和高带隙材料的帕累托前沿生成晶体。在这些任务中,基于 DTS 的推理时间自适应成功地改进了模型输出,而无需修改模型本身。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱