PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2508.14748v2cs.LG

확산 언어 모델을 활용한 교차 모달리티 제어 분자 생성

Cross-Modality Controlled Molecule Generation with Diffusion Language Model

분자 데이터의 다양성이 증가함에 따라 모달리티(modality) 전반에 걸친 이종 제약 조건을 유연하게 통합할 수 있는 생성 모델의 필요성이 커지고 있습니다. 그러나 기존 SMILES 기반 확산 모델(diffusion model)은 대개 고정된 조건 모달리티를 위해 설계되었으며, 새로운 제약 조건을 도입하려면 모델을 재학습해야 하는 경우가 많습니다. 이러한 한계를 해결하기 위해, 본 연구에서는 백본(backbone)을 재학습하지 않고도 이종 분자 제약 조건을 지원하도록 사전학습(pre-training)된 확산 모델을 확장하는 모듈형 프레임워크인 CMCM-DLM(Cross-Modality Controlled Molecule Generation with Diffusion Language Model)을 제안합니다. 본 연구는 상호보완적인 두 모달리티인 분자 구조와 화학적 특성을 사용하여 CMCM-DLM을 실증합니다. 구체적으로, 구조 제어 모듈(SCM)은 초기 확산 단계를 유도하여 분자 골격(scaffold)을 확립하고, 이후 특성 제어 모듈(PCM)이 목표 화학적 특성을 향해 생성을 유도합니다. 이러한 단계적 설계를 통해 통합된 생성 프레임워크 내에서 서로 다른 분자 제약 조건을 유연하게 결합할 수 있습니다. 여러 데이터셋을 대상으로 한 실험을 통해 효과적인 교차 모달 제어 가능성과 강력한 적응성을 입증하였으며, 이종 분자 데이터 모델링 및 데이터 기반 신약 개발을 위한 CMCM-DLM의 잠재력을 강조합니다.

arXiv:2607.02912v1cs.CV

감정을 보다: EEG 감정 인식을 위한 얼굴 이모지 프록시 모델링

See the Emotion: A Facial Emoji Proxy Modeling for EEG Emotion Recognition

EEG 기반 감정 인식은 높은 정확도를 보임에도 불구하고, 기존 모델들은 불투명한 "블랙박스"로 남아 있으며, 추상적인 신경 특징과 인간이 해석 가능한 상태 간의 의미론적 그라운딩이 결여되어 있다. 본 논문에서는 EEG 설명 가능성을 교차 모달 생성 과제로 재정의하여, 특징 귀인에서 행동 시각화로 패러다임을 전환한다. 우리는 고차원 EEG 신호를 신원이 익명화된 얼굴 이모지로 변환하는 새로운 프레임워크인 얼굴 이모지 프록시 모델링(Facial Emoji Proxy Modeling)을 소개한다. 신경-안면 연관성에 관한 신경과학적 영감을 바탕으로, 이 접근법은 신경 표현을 관찰 가능한 안면 역동성의 매니폴드에 그라운딩한다. 기술적으로, 우리의 프레임워크는 표정 관련 공간적 시너지를 모델링하는 특화된 백본인 FMENet과, 이모지 재구성을 구조화된 의미론적 정규화기로 처리하는 얼굴 이모지 학습 브랜치(Facial Emoji Learning Branch, FELB)를 통합한다. EAV 및 MMER 벤치마크에서의 광범위한 실험을 통해, 우리의 방법이 EEG 단독 모델 중 최첨단 정확도를 달성함을 입증한다. 특히, 본 방법은 의미론적으로 충실한 얼굴 애니메이션을 생성하여 뇌의 감정적 변화를 투명하고 프라이버시를 보호하는 방식으로 보여주며, 사용자가 신경 신호로부터 직접 "감정을 볼" 수 있도록 한다. 코드는 https://github.com/xian-sh/SeeEmotion 에서 확인할 수 있다.