1 摘要   从分子图预测分子构象是化学信息学和药物发现中的一个基本问题。最近，机器学习方法取得了重大进展，尤其是深度生成模型。受经典非平衡热力学中的扩散过程的启发，在这篇论文中，我们提出了一个新的生成模型，名为GEODIFF，用于分子构象预测。GEODIFF将每个原子视为一个粒子，并学习将扩散过程（即从噪声分布转换为稳定构象）直接反转为马尔可夫链。然而，对这样的生成过程进行建模是非常具有挑战性