MolEvolve：解釈可能な分子最適化のためのLLMガイド付き進化的探索
arXiv cs.LG / 2026/3/26
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- MolEvolveは、解釈可能性を向上させること、ならびに「活性クリフ（activity cliffs）」――構造のわずかな変化が性質の大きな変動を引き起こす状況――に対処することを目指す、LLMガイド付きの分子最適化のための進化的フレームワークとして提示される。
- 本アプローチは、分子探索を自律的な先読み計画（look-ahead planning）問題として再定式化し、LLMで探索をコールドスタートしたうえで、テスト時の計画には外部の化学ツール（例：RDKit）と組み合わせたモンテカルロ木探索（MCTS）を用いる。
- 人手で設計された特徴量や硬直した事前知識に依存する代わりに、MolEvolveは、有効な変換（transformation）経路を自律的に発見するために、実行可能な化学的シンボリック操作のライブラリを進化させる。
- この手法は、構造変換から実行可能な化学的洞察へとつながる、透明で人間が読める推論の連鎖を生成することを目的として設計されている。
- 報告されている実験では、MolEvolveが性質予測タスクと分子最適化タスクの両方においてベースラインを上回りつつ、解釈可能性の利点も維持することが示されている。
