분자 생성 모델이 분자 정체성을 체계화하는 방식
How Molecular Generative Models Organize Molecular Identity
물질을 위한 생성 모델(generative model)은 흔히 출력 표현에 대한 샘플러로 평가되며, 이들의 잠재 공간(latent space)은 화학 공간(chemical space)을 탐색하기 위한 대리물로 널리 사용됩니다. 그러나 이러한 모델이 해당 표현 내에서 이산적인 화학적 정체성을 내부적으로 어떻게 배치하는지에 대해서는 알려진 바가 훨씬 적습니다. 본 연구에서는 분자 정체성을 명시화하고 이를 생성 과정을 통해 풀백(pullback)함으로써 이러한 배치를 연구합니다. 이 풀백 과정을 통해 동일한 객체를 생성하는 영역을 탐색하여, 모델이 (새로운 것이든 아니든) 어떤 객체를 생성할 수 있는지를 결정하는 고정된 분할인, 학습된 모델의 내부 레퍼토리를 드러냅니다. 세 가지 분자 생성 아키텍처에 걸쳐, 우리는 이 레퍼토리가 반복되는 대략적인 것에서 미세한 수준으로의 경계로 구분되는 구분적 상수(piecewise-constant) 영역들로 배열되어 있음을 발견했습니다. 이러한 체계화는 탐색되는 표현, 정체성 규약, 디코더의 확률성, 좌표 비교에 사용된 메트릭에 따라 달라집니다. 학습(training) 동안 국소적인 화학적 체계는 안정화되는 반면, 각 이웃 내에서 표현되는 서로 다른 분자 정체성의 수는 계속해서 변화합니다. 따라서 생성 공간을 화학적으로 탐색 가능한 것으로 취급하기 전에, 내부 구조를 가정하기보다는 반드시 특성화해야 합니다.