DMFlow: Disordered Materials Generation by Flow Matching

같이 보면 좋은 논문

기반 연구

Foundation models for materials discovery – current state and future directions

343번 논문은 소재 발견을 위한 파운데이션 모델의 최신 동향을 다루며, DMFlow와 같은 생성모델 배경 설명에 도움을 줍니다.

기반 연구

Generative Inversion of Spectroscopic Data for Amorphous Structure Elucidation

플로우 매칭 기반 생성 모델의 이론적 기반과 재료 과학 응용에 관한 근거를 제공한다.

기반 연구

MolCrystalFlow: Molecular Crystal Structure Prediction via Flow Matching

Flow matching을 재료 생성에 확장한 논문으로, MolCrystalFlow에 사용된 주요 생성 모듈의 일반적 이론적 배경을 제공한다.

기반 연구

OrgFlow: Generative Modeling of Organic Crystal Structures from Molecular Graphs

Flow matching 기반 결정 구조 생성에서, 유기/무기 결정 구조의 학습 및 생성 전략이 OrgFlow의 주요 컨셉과 직접 연결된다.

기반 연구

Uncovering Physical Drivers of Dark Matter Halo Structures with Auxiliary-Variable-Guided Generative Models

282번 논문은 분자구조 및 특성 생성에 플로우 매칭 기반 생성모델을 사용하는 방법을 제시해, 3271번의 암흑물질 구조 분해를 위한 DL-CFM 모델과 개념적으로 연결됩니다.

기반 연구

Prediction and Experimental Verification of Electrolyte Solvation Structure from an OMol25-Trained Interatomic Potential

화학 및 물질 과학에서 flow-matching 기반 생성적 학습의 최신 방법을 소개하여, UMA-OMol 방향의 밀도 및 구조 예측의 기초가 된다.

기반 연구

Data-driven construction of machine-learning-based interatomic potentials for gas-surface scattering dynamics: the case of NO on graphite

Disordered materials의 flow matching 기반 생성 접근법을 논의하며, 머신러닝 포텐셜의 데이터 효율적 학습과 시스템 설계의 이론적 배경을 제공한다.

기반 연구

Generative Structure Search for Efficient and Diverse Discovery of Molecular and Crystal Structures

재료 구조 생성을 위한 플로우 매칭 또는 확산 모델의 방법론적 기반을 제공한다.

기반 연구

AlloyVAE: A Generative Model for Complex Probabilistic Field-to-Field Relationships in Alloys

VAE 기반 재료 생성 모델의 방법론적 기초를 제공하는 연구이다

기반 연구

Neutron and X-ray Diffraction Reveal the Limits of Long-Range Machine Learning Potentials for Medium-Range Order in Silica Glass

MACE 및 flow matching 기반의 유리·결정 구조 생성 및 예측을 다루므로, 유사 실험환경의 예측한계와 메커니즘을 함께 논할 수 있다.

다른 접근

Molgan: An implicit generative model for small molecular graphs

282의 DMFlow는 flow 기반으로 비정질 물질 구조 생성에 초점을 둔 반면, 555의 MolGAN은 GAN을 통한 소분자 그래프 생성에 주력한다.

다른 접근

MolCrystalFlow: Molecular Crystal Structure Prediction via Flow Matching

결정 구조 생성을 위한 딥러닝 기반 생성 모델의 대안적 접근법을 제시하는 관련 연구이다.

다른 접근

OrgFlow: Generative Modeling of Organic Crystal Structures from Molecular Graphs

무질서 재료 또는 복잡한 결정 구조를 생성하기 위한 대안적 생성 모델 접근법을 탐구한다.

다른 접근

DiffSyn: a generative diffusion approach to materials synthesis planning

3077번 논문은 결정 소재 합성을 위한 diffusion 기반 생성 접근법으로, DMFlow와는 달리 재료 합성 경로에 초점을 맞춥니다.

다른 접근

Symmetry-Driven Generation of Crystal Structures from Composition

3252 논문은 대칭 구동 기반 crystal structure 생성 연구로, DMFlow의 flow matching 방식과 다른 기술적 선택지를 이해할 수 있습니다.

다른 접근

Reward-Guided Discrete Diffusion via Clean-Sample Markov Chain for Molecule and Biological Sequence Design

Flow 기반 비정질 소재 생성 연구로, 이산 확산 보다 다른 generative modeling 접근을 다룬다.

다른 접근

Persistent local Laplacian prediction of protein-ligand binding affinities

flow matching 방식으로 무질서한 소재 구조를 생성하며, PCC 등 위상 분석 프레임워크의 유사 대안임.

다른 접근

Generative Structure Search for Efficient and Diverse Discovery of Molecular and Crystal Structures

DMFlow는 normalizing flows 기반 생성형 모델로 재료 구조 생성을 다루어, 3120의 diffusion 기반·물리 기반 통합 탐색과 기법적으로 대비된다.

다른 접근

Learning to Emulate Chaos: Adversarial Optimal Transport Regularization

카오스 및 무질서 계의 생성적 모델링에서 flow matching을 사용한 접근법을 비슷한 문제에 다르게 적용합니다.

다른 접근

Machine Learning and Molecular Simulations Reveal Mechanisms of ZIFs Polymorph Selection

282는 Flow matching을 활용한 무질서 소재 생성에 집중하며, 3157의 다형체 생성 메커니즘 예측 연구와 상호 비교 대상입니다.

다른 접근

Applications of deep generative models to DNA reaction kinetics and to cryogenic electron microscopy

282 논문은 비정질 물질 구조 생성을 위한 확률적 flow 모델을 탐구하여, 3022의 DNA 동역학 생성모델과 생성 방향에서는 다른 재료계에 적용됨을 보여줍니다.

다른 접근

Inverse Materials Design via Joint Generation of Crystal Structures and Local Electronic Descriptors

결정 및 비결정 재료 구조 생성을 위한 심층 학습 모델의 대안적 구현 방식을 제시한다.

후속 연구

The frontier of simulation-based inference

유동(matching-based) 생성 모델의 소재/재료 설계 적용 사례로, 시뮬레이션 기반 추론의 실질적 응용을 보여줍니다.

후속 연구

MolX: A Geometric Foundation Model for Protein–Ligand Modelling

3177 논문은 분자 크리스탈 구조 생성 관점에서 DMFlow의 무질서·다양성 생성 한계를 극복·확장합니다.

후속 연구

Verifier-Constrained Flow Expansion for Discovery Beyond the Data

282 논문은 Flow 모델 기반의 비정질 물질 생성에 대해 다루어, 867의 생성 능력 확장 프레임워크가 실제 시스템에 어떻게 적용될 수 있는지 연결됩니다.

후속 연구

SSPSPredictor: A Sequence and Structure based Deep Learning Model for Predicting Phase-Separating Proteins

3245번 논문은 결정 구조와 조성을 동시에 생성하는 방법을 제안하여 DMFlow의 무질서 소재 생성을 구조적 측면에서 확장합니다.

응용 사례

MBD-ML: Many-body dispersion from machine learning for molecules and materials

분자동역학 등에서 생성적 flow matching이 원자 상호작용·전달물리력 예측에 실제적으로 사용되는 사례입니다.

DMFlow: Disordered Materials Generation by Flow Matching

Essence

Motivation

Achievement

How

Originality

Limitation & Further Study

Evaluation

같이 보면 좋은 논문

DMFlow: Disordered Materials Generation by Flow Matching

Essence

Motivation

Achievement

How

Originality

Limitation & Further Study

Evaluation

같이 보면 좋은 논문

🎧 Audio Overview