42个图扩散模型：从分子生成到材料设计的选型指南

42个图扩散模型：从分子生成到材料设计的选型指南

【免费下载链接】Awesome-Diffusion-ModelsA collection of resources and papers on Diffusion Models项目地址: https://gitcode.com/gh_mirrors/aw/Awesome-Diffusion-Models

Awesome-Diffusion-Models 是一个汇集 42 个图扩散模型研究的资源仓库，覆盖分子生成、蛋白质设计、材料发现三类任务，为你把「扩散模型能用在科学数据上」这件事的文献入口整理成了可直接检索的清单。

问：图扩散模型到底是怎么给图加噪的？

直觉上很简单：先把目标数据不断加噪直到面目全非，再训练一个模型学会逐步去噪，反向过程从纯噪声出发，就能「倒推」出符合原始分布的样本。图像扩散模型做的事就是这一套，只是对象是像素。

图扩散模型把同一套思想搬到了图结构数据上：节点对应原子或分子，边对应化学键，加噪与去噪同时作用在节点属性和边的连接关系上。这里既有难点，也有价值所在。

42 篇研究分成哪两条线

仓库里的研究基本分两支。一支是通用图生成，共 11 篇，面向社交网络、知识图谱这类拓扑结构；另一支是分子与材料生成，共 31 篇，对象是分子结构、蛋白质构象和周期性晶体。两个分支的入口分别在 docs/graph_generation.html 和 docs/graph_molecular_and_material_generation.html，总览页在 docs/graph.html。

问：拿到一个靶蛋白，怎么找到能结合的 3D 分子？

这是药物发现里最典型的端到端问题，仓库里有完整的模型梯队。DiffBP 直接生成能与指定靶蛋白结合的 3D 分子结构，把蛋白作为扩散过程的条件输入；骨架层面，SE(3) 扩散模型针对蛋白质骨架点生成结构，用于 protein backbone generation；如果要预测蛋白-配体复合物，Dynamic-Backbone 用多尺度生成扩散同时处理骨架与配体两侧的结构。

等变性为什么是 3D 生成的硬要求

一个分子被旋转或平移后，生成结果的分布应做同样的旋转或平移。Equivariant Diffusion 一系模型把这种几何对称性写进网络结构里，保证生成的 3D 构象物理上合理。这也是分子/材料生成分支里最核心的技术路线之一。

问：不做药，做晶体材料或构象搜索呢？

材料方向有专门的工具：Crystal Diffusion Variational Autoencoder 可以生成周期性材料结构，用来加速候选材料筛选。单分子内部的构象采样则看 Torsional Diffusion，它专做分子构象生成，在扭转角上做扩散，比直接对笛卡尔坐标扩散更贴合分子运动的实际方式。

问：42 个模型先读哪三个？

🧭 建议顺序是：先读综述 A Survey on Graph Diffusion Models 建立整体地图，再精读 DiffBP 看一个完整的条件生成案例，最后读 Torsional Diffusion 或 Equivariant Diffusion for Molecule Generation in 3D，分别理解离散图状态和连续 3D 坐标两条技术路线。

仓库还整理了入门资源：Introductory Posts、Papers、Videos、Lectures 和 Jupyter Notebook，都归在 docs/resource.html 下。先对扩散模型本身建立直觉，再回到图分支，读起来会轻松不少。

把 graph 分支的三页读完，你就拿到了这 42 篇研究的完整地图，下一篇精读哪篇，取决于你的课题落在哪个分支。

【免费下载链接】Awesome-Diffusion-ModelsA collection of resources and papers on Diffusion Models项目地址: https://gitcode.com/gh_mirrors/aw/Awesome-Diffusion-Models