LEGO-MOF：編集可能・生成可能・最適化可能なMOF設計のための同変潜在操作

要旨: 金属有機フレームワーク（MOF）は炭素回収に非常に有望ですが、その膨大な設計空間をナビゲートすることは依然として困難です。近年の深層生成モデルはデノボ（新規）MOF設計を可能にしますが、主にフィードフォワードな構造ジェネレータとして機能します。あらかじめ定義されたビルディングブロックのライブラリに大きく依存し、微分不可能な事後最適化を用いることで、連続的な構造編集に必要な情報の流れを根本的に断ち切ってしまいます。ここでは、連続的な構造操作に焦点を当てた、目標駆動型の生成フレームワークを提案します。その中核はLinkerVAEで、離散的な3D化学グラフを連続的でSE(3)同変な潜在空間へと写像します。この滑らかな多様体により、暗黙的な化学スタイル転写やゼロショットの同族体（isoreticular）拡張といった、幾何学に配慮した操作が可能になります。これに加えて、テスト時最適化（TTO）戦略を導入します。既存のMOFの潜在グラフを、望ましい性質へ向けて連続的に最適化するために、正確なサロゲートモデルを用います。このアプローチは、構造の妥当性を厳密に保持しながら、炭素回収性能を体系的に向上させ、純粋なCO2吸着において平均相対ブースト147.5%という驚異的な改善を達成します。潜在拡散モデルと、完全なMOF構築のための剛体アセンブリと統合することで、本フレームワークは、機能性材料の自動発見、目標に基づく最適化、編集のための、スケーラブルで完全に微分可能な経路を確立します。