变分自编码器
一种生成式深度学习模型，通过在编码器和解码器之间引入服从概率分布的隐变量，实现对数据的概率化建模与多样性生成，广泛应用于文本、图像等生成任务。
时间轴 (近 90 天)
AI生成CAD通常指使用生成式模型（如扩散模型、变分自编码器或大语言模型驱动的参数化脚本）直接产出三维几何或CAD参数。
生成式分子模型（如变分自编码器、扩散模型、强化学习策略）可以直接设计出满足特定性质的新分子，再由分子动力学模拟预测其与靶点蛋白的结合稳定性。
变分自编码器（VAE）包含编码器和解码器，通过重参数化技巧采样潜在变量，损失函数由重建误差和 KL 散度正则项组成。
摊销推断源于变分自编码器（VAE）的设计范式，用共享推断网络将参数量从O(n)降至网络固定参数量，并具备对新观测点一步推断的泛化能力
分子生成与优化可借助图神经网络（GNN）、变分自编码器（VAE）或扩散模型等生成具有特定性质的全新分子结构
变分回复生成器引入变分自编码器思想，在编码器和解码器之间加入隐变量，隐变量服从某种概率分布并在生成时采样以带来多样性
变分自编码器由Kingma和Welling于2013年提出
全部知识事实 (7)
AI生成CAD通常指使用生成式模型（如扩散模型、变分自编码器或大语言模型驱动的参数化脚本）直接产出三维几何或CAD参数。
50%待验证生成式分子模型（如变分自编码器、扩散模型、强化学习策略）可以直接设计出满足特定性质的新分子，再由分子动力学模拟预测其与靶点蛋白的结合稳定性。
50%待验证变分自编码器（VAE）包含编码器和解码器，通过重参数化技巧采样潜在变量，损失函数由重建误差和 KL 散度正则项组成。
50%待验证摊销推断源于变分自编码器（VAE）的设计范式，用共享推断网络将参数量从O(n)降至网络固定参数量，并具备对新观测点一步推断的泛化能力
50%待验证分子生成与优化可借助图神经网络（GNN）、变分自编码器（VAE）或扩散模型等生成具有特定性质的全新分子结构
50%待验证变分回复生成器引入变分自编码器思想，在编码器和解码器之间加入隐变量，隐变量服从某种概率分布并在生成时采样以带来多样性
50%待验证变分自编码器由Kingma和Welling于2013年提出
50%