潜在フローによるプロパティ誘導型分子生成と最適化

Abstract

分子発見は、ますます逆設計問題として捉えられるようになってきています。すなわち、実現可能性の制約の下で所望の特性プロファイルを満たす分子構造を同定することです。近年の生成モデルは化学空間の連続的な潜在表現を提供しますが、これらの表現内でのターゲット付き最適化を行うと、妥当性が低下したり、構造の忠実性が失われたり、挙動が不安定になったりすることがしばしば起こります。我々はMoltenFlowを提案します。これは、特性によって整理された潜在表現と、フローマッチングに基づく生成事前分布、ならびに勾配ベースのガイダンスを組み合わせた、モジュール型の枠組みです。この定式化により、単一の潜在空間の枠組みの中で、条件付き生成と局所最適化の両方を扱うことができます。ガイドされた潜在フローは、固定されたオラクル予算の下で、制御可能なトレードオフを伴いながら、効率的な多目的分子最適化を可能にすることを示します。また、学習されたフロー事前分布は、無条件生成の品質を向上させます。