流匹配混合DiT驱动的可扩展金属有机框架生成

摘要

近年来，生成式模型的快速发展为新型金属有机框架（MOF）结构的发现提供了全新的研究范式。为了进一步探索MOF结构的多样性和扩展其化学空间的探索边界，本文提出了一种引入流匹配的混合Diffusion Transformer模型（BHDiT），并构建面向MOF结构生成的工作流程。采用BHDiT对3D分子结构的原子特征序列化表示，并结合3D-ROPE位置编码以增强几何感知能力。在QM9数据集上的实验结果表明，模型在保持生成结构质量的同时，提升了唯一性和新颖性。在MOF构建块数据集上，当采样步数为100、500和1 000时，生成有效率分别为78.95%、82.76%、83.29%，唯一性和新颖性分别达到99.67%和99.48%，对于原子数超过50的复杂结构，有效率可达50.2%。MOF生成工作流通过预测MOF结构的构建块组成，生成新MOF结构。Zeo++计算结果分析表明，该方法通过提升构建块多样性，增强了生成MOF结构的多样性，扩展了深度生成模型在MOF结构设计的应用潜力。

关键词

扩散模型 / 流匹配 / 图神经网络 / 金属有机框架

基金资助

国家自然科学基金（62466032,62366028）