Goal-conditioned GFlowNets for Controllable Multi-Objective Molecular Design

要約

近年、インシリコ分子設計は機械学習コミュニティから大きな注目を集めています。
製薬用途向けに新しい化合物を設計する場合、通常、標的への結合エネルギー、合成可能性、毒性、EC50 など、分子の複数の特性を最適化する必要があります。
以前のアプローチでは、多目的問題を優先条件付きの単一目的に変えるためにスカラー化スキームを採用していましたが、この種の削減により、次の条件が提示された場合に目的空間の極端な点に向かってスライドする傾向のある解が生成される可能性があることが確立されています。
凹状のパレート フロントを示す問題。
この研究では、パレート フロント全体に沿って均一に解を探索できる、より制御可能な条件付きモデルを取得するために、目標条件付き分子生成の別の定式化を実験します。

要約(オリジナル)

In recent years, in-silico molecular design has received much attention from the machine learning community. When designing a new compound for pharmaceutical applications, there are usually multiple properties of such molecules that need to be optimised: binding energy to the target, synthesizability, toxicity, EC50, and so on. While previous approaches have employed a scalarization scheme to turn the multi-objective problem into a preference-conditioned single objective, it has been established that this kind of reduction may produce solutions that tend to slide towards the extreme points of the objective space when presented with a problem that exhibits a concave Pareto front. In this work we experiment with an alternative formulation of goal-conditioned molecular generation to obtain a more controllable conditional model that can uniformly explore solutions along the entire Pareto front.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google