📊 statistics

Branching Flows: Discrete, Continuous, and Manifold Flow Matching with Splits and Deletions

Este artículo propone "Branching Flows", un nuevo marco de modelado generativo que permite manejar secuencias de longitud variable mediante el uso de árboles binarios donde los elementos pueden ramificarse o eliminarse, siendo aplicable tanto a espacios discretos como continuos y variedades (manifolds).

Autores originales: Lukas Billera, Hedwig Nora Nordlinder, Jack Collier Ryder, Anton Oresten, Aron Stålmarck, Theodor Mosetti Björk, Ben Murrell

Publicado 2026-04-28

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Lukas Billera, Hedwig Nora Nordlinder, Jack Collier Ryder, Anton Oresten, Aron Stålmarck, Theodor Mosetti Björk, Ben Murrell

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El Problema: El "Dilema del Chef y la Receta Infinita"

Imagina que estás entrenando a un robot chef para que prepare platos. La mayoría de las IA actuales son como chefs que solo saben seguir recetas con un número fijo de ingredientes. Si le dices "haz una ensalada", el robot siempre usará exactamente 5 tomates. Si la receta real requiere 3 o 10, el robot fallará porque no sabe cómo "crear" o "eliminar" ingredientes sobre la marcha; solo sabe mover los que ya tiene.

En el mundo de la ciencia, esto es un gran problema. Por ejemplo, si queremos que una IA diseñe una proteína o una molécula para un medicamento, no sabemos de antemano cuántos átomos o aminoácidos se necesitan. La naturaleza no sigue reglas de "siempre 10 elementos"; la naturaleza es fluida.

La Solución: "Branching Flows" (Flujos de Ramificación)

Los autores han inventado algo llamado Branching Flows. En lugar de ver la creación de algo como una línea recta de ingredientes, lo ven como un árbol genealógico que crece y se poda.

La Analogía del Árbol Mágico 🌳

Imagina que la IA no empieza con un plato terminado, sino con una semilla (una distribución simple). A medida que el tiempo pasa, esa semilla no solo crece, sino que ocurre algo mágico:

La Bifurcación (Splits): Imagina que una rama del árbol, de repente, se divide en dos. En la IA, esto significa que un elemento (como un átomo) se "duplica" para convertirse en dos. Es como si de un solo trozo de masa, la IA decidiera que ahora necesita dos piezas distintas para formar la estructura.
La Poda (Deletions): A veces, la IA se da cuenta de que una rama no es necesaria para el diseño final. Entonces, simplemente la "poda" o la elimina. Es como si el chef probara un ingrediente, viera que no encaja, y lo quitara de la olla antes de que el plato esté listo.
El Guía (Anchors): Para que el árbol no crezca de forma caótica, hay "anclas". Son como pequeñas brújulas que le dicen a cada rama: "Oye, tu objetivo final es parecerte a este tipo de molécula". Esto asegura que, aunque el árbol se ramifique y se pudre, al final del proceso (cuando el tiempo llega al 100%), el resultado sea una estructura perfecta y real.

¿Por qué es esto tan importante? (Los tres grandes éxitos)

Los científicos probaron este "árbol mágico" en tres áreas críticas:

🧪 Química (Moléculas pequeñas): Lograron que la IA creara moléculas que se parecen muchísimo a las reales, con el número correcto de átomos de carbono, oxígeno, etc. Es como si el robot chef aprendiera a decidir cuántos granos de sal necesita cada plato.
🧬 Biología (Anticuerpos): Los anticuerpos son los soldados de nuestro cuerpo, y su tamaño varía mucho. La IA pudo diseñar secuencias de aminoácidos con la longitud exacta para combatir enfermedades, algo que a las IA viejas les costaba horrores.
🏗️ Ingeniería de Proteínas (El "Infix Sampling"): Este es el truco más impresionante. Imagina que tienes una cadena de piezas de LEGO casi terminada, pero te falta una sección en el medio. Las IA normales no saben qué hacer con el hueco central. Con Branching Flows, la IA puede "hacer brotar" una sección nueva justo en el medio de la cadena, diseñando el conector perfecto para que todo encaje.

En resumen...

Antes, la IA era como un escultor que solo podía trabajar con un bloque de mármol de un tamaño fijo. Con Branching Flows, la IA es como un jardinero experto: puede plantar semillas, dejar que las ramas crezcan, dividirlas cuando sea necesario y podar lo que sobra, hasta que el jardín tiene la forma exacta y natural que la ciencia necesita.

Resumen Técnico: Branching Flows

1. El Problema: Variabilidad de Longitud en Modelos Generativos

Los modelos actuales de difusión y flow matching (emparejamiento de flujos) son altamente eficaces para generar datos con dimensiones fijas (como imágenes o mallas estructuradas). Sin embargo, enfrentan dificultades significativas cuando el número de elementos en el estado no se conoce de antemano (a priori). Ejemplos críticos incluyen:

Secuencias de lenguaje: Longitud variable de respuestas.
Química y Biología: Número de átomos en una molécula o aminoácidos en una proteína.
Problema de "muestreo de inserción de longitud desconocida" (unknown-length infix sampling): La incapacidad de insertar un segmento de longitud variable entre dos regiones ya conocidas (por ejemplo, diseñar la región de unión de un anticuerpo entre dos regiones estructurales fijas).

Los modelos autorregresivos (AR) manejan la longitud mediante tokens de parada, pero carecen de la eficiencia y estructura de los modelos de flujo para datos continuos o complejos.

2. Metodología: Branching Flows

Los autores proponen Branching Flows, un marco de modelado generativo que transporta una distribución simple hacia una distribución de datos mediante un proceso estocástico sobre un bosque de árboles binarios.

Componentes Clave:

Evolución en Árboles: A diferencia de los flujos estándar donde los elementos se mueven linealmente, aquí los elementos evolucionan a través de ramas. En los puntos de bifurcación, un elemento se duplica (splitting), y en otros puntos, un elemento puede desaparecer (deletion).
Generator Matching (Emparejamiento de Generadores): El modelo se basa en la formulación de Generator Matching, donde se aprende un generador que, en promedio, produce la trayectoria marginal que conecta la distribución inicial ( $x_0$ ) con la de datos ( $x_1$ ).
Mecanismo de Split y Deletion:
- Splits (Divisiones): Controlan el aumento de la cardinalidad (número de elementos). Se modelan mediante una tasa de riesgo (hazard rate) aprendida.
- Deletions (Eliminaciones): Controlan la reducción de elementos.
Anclas Internas (Internal Anchors): Para guiar el flujo a través de las ramas, se introducen "anclas" que actúan como objetivos intermedios, permitiendo que el proceso sea estable y dirigido incluso cuando la estructura del árbol es compleja.
Componibilidad: El marco es altamente versátil; puede combinarse con procesos de flujo base en espacios discretos, espacios euclidianos, variedades de Riemann (como $SO(3)$ para rotaciones) o espacios multimodales mixtos.

3. Contribuciones Principales

Nuevo Paradigma Generativo: Introduce la capacidad de manejar estados de cardinalidad variable de forma natural, sin recurrir a aproximaciones ad hoc.
Resolución del Infix Sampling: Es el primer método capaz de realizar muestreo de inserción de longitud desconocida en secuencias multimodales (combinando geometría y etiquetas discretas).
Marco Unificado: Proporciona una solución matemática que integra elementos continuos, discretos y de variedades en un solo proceso de flujo con cambios de dimensión.

4. Resultados Experimentales

El modelo fue validado en tres dominios complejos:

Moléculas Pequeñas (QM9): El modelo generó átomos (posiciones y tipos) con una distribución de propiedades químicas (peso molecular, LogP, etc.) que supera a los modelos de "saltos transdimensionales" (Transdimensional Jumps). Logró una excelente concordancia en la distribución de conteo de átomos.
Secuencias de Anticuerpos: En la generación de secuencias de aminoácidos, Branching Flows demostró una capacidad casi idéntica a un modelo "Oráculo" (que conoce la longitud real de antemano), superando a Edit Flows en la captura de la diversidad y la naturalidad de las secuencias.
Estructuras Proteicas (Proteínas):
- BranchChain: Generó estructuras de proteínas (backbones y secuencias) con geometrías físicamente plausibles y consistentes con modelos de plegamiento como Boltz2.
- BranchSegment: Demostró éxito en el diseño de segmentos proteicos insertados entre regiones fijas, permitiendo que la longitud del segmento diseñado fuera determinada por el modelo según el contexto estructural.

5. Significado e Impacto

La importancia de este trabajo radica en su capacidad para cerrar la brecha entre la potencia de los modelos de flujo/difusión y la necesidad de flexibilidad en la longitud de los datos. Al permitir que la estructura del objeto (el número de sus partes) sea una variable aprendida y no un parámetro fijo, abre la puerta a un diseño biológico y químico mucho más autónomo y realista, donde la naturaleza de la estructura emerge del proceso generativo en lugar de ser impuesta por el investigador.