半等变条件归一化流
Semi-Equivariant Conditional Normalizing Flows
Verily Research（Verily研究院）
AI总结：
本文提出半等变条件归一化流，通过推导保证刚体运动条件不变性的半等变条件，解决三维图间条件分布学习问题，并在受体感知配体生成任务中验证其有效性。
摘要：
我们研究使用连续归一化流学习形如 $p(G | \hat G)$ 的条件分布问题，其中 $G$ 和 $\hat G$ 是两个三维图。我们推导出流上的一个半等变条件，该条件确保对刚体运动的条件不变性成立。我们在受体感知配体生成的分子场景中展示了该技术的有效性。
英文摘要：
We study the problem of learning conditional distributions of the form $p(G | \hat G)$, where $G$ and $\hat G$ are two 3D graphs, using continuous normalizing flows. We derive a semi-equivariance condition on the flow which ensures that conditional invariance to rigid motions holds. We demonstrate the effectiveness of the technique in the molecular setting of receptor-aware ligand generation.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
