📊 statistics

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

Ce papier présente « Branching Flows », un nouveau cadre de modélisation générative qui permet de gérer des séquences de longueur variable en faisant évoluer les éléments à travers une forêt d'arbres binaires, tout en étant compatible avec divers espaces de données (discrets, continus ou sur des variétés).

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

Publié 2026-04-28

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

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

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Problème : Le casse-tête des objets "élastiques"

Imaginez que vous essayiez d'apprendre à un robot à dessiner. Jusqu'à présent, les robots sont très doués pour dessiner des choses qui ont toujours la même taille : un carré, un visage humain, ou une image de chat. Pour ces objets, le nombre de "points" (pixels) est fixe. C'est facile.

Mais que se passe-t-il si vous demandez au robot de dessiner une chaîne de perles ? Parfois la chaîne fait 5 perles, parfois 50, parfois 100. Ou imaginez que vous lui demandiez d'écrire un poème : une phrase peut être courte, une autre très longue.

Les intelligences artificielles actuelles (comme celles qui génèrent des images) sont comme des sculpteurs qui travaillent sur un bloc de marbre de taille fixe. Si l'objet final doit être plus grand ou plus petit que le bloc, le sculpteur est coincé. Il ne sait pas "ajouter" ou "enlever" de la matière de manière naturelle.

La Solution : "Branching Flows" (L'Arbre de la Création)

Les chercheurs ont inventé une nouvelle méthode appelée Branching Flows. Au lieu de partir d'un bloc de marbre figé, imaginez que la création commence par une petite graine (un seul point).

Pour devenir l'objet final (une molécule, une protéine ou une séquence d'ADN), cette graine ne va pas simplement grandir ; elle va se diviser, comme une plante ou comme les branches d'un arbre généalogique.

L'analogie de l'Arbre Magique 🌳

Imaginez un arbre magique qui pousse de bas en haut (du temps $t=0$ à $t=1$ ) :

La Division (Le Split) : Au milieu de sa croissance, une branche peut soudainement se diviser en deux. C'est comme si une cellule se multipliait. C'est ainsi que l'IA décide : "Tiens, pour faire cette molécule, j'ai besoin d'ajouter un atome de carbone ici". Elle crée une nouvelle branche.
La Disparition (La Délétion) : Parfois, une branche pousse, mais l'IA se rend compte qu'elle n'est pas nécessaire pour l'objet final. Alors, la branche "meurt" et disparaît. C'est comme si l'IA faisait une erreur et l'effaçait proprement.
Le Guidage (Les Ancres) : Pour éviter que l'arbre ne pousse n'importe comment dans tous les sens, l'IA utilise des "ancres". Ce sont des points de repère invisibles qui disent aux branches : "Pousse vers la gauche, mais reste près de ce point". Cela permet de s'assurer que, même si l'arbre a beaucoup de branches, la forme finale ressemble bien à une vraie protéine ou à une vraie molécule.

Pourquoi est-ce une révolution ?

Grâce à ce système de "branches" et de "mort de branches", l'IA devient incroyablement flexible. Elle peut gérer ce que les chercheurs appellent le "problème de l'infixe de longueur inconnue".

L'analogie du pont de Lego :
Imaginez que vous avez deux morceaux de pont en Lego déjà construits, mais il y a un trou entre les deux. Vous ne savez pas si le trou fait 3 briques ou 10 briques de large.

Les anciennes IA auraient besoin que vous leur disiez : "Remplis ce trou avec exactement 5 briques".
L'IA Branching Flows, elle, regarde les deux bords du pont et dit : "Je vais faire pousser des branches de Lego jusqu'à ce que les deux côtés se rejoignent naturellement". Elle décide elle-même de la longueur idéale.

À quoi ça va servir ? (Le monde réel)

Les chercheurs ont testé cela sur trois domaines très importants :

La Chimie (Molécules) : Créer de nouvelles petites molécules pour fabriquer des médicaments. L'IA peut décider du nombre exact d'atomes nécessaires.
L'Immunologie (Anticorps) : Concevoir des anticorps pour combattre des virus. Comme les anticorps ont des parties qui varient énormément en longueur, cette méthode est parfaite pour "ajuster" la taille de la zone de combat.
La Biologie (Protéines) : C'est le test ultime. Les protéines sont des structures complexes en 3D. L'IA a réussi à créer des structures de protéines qui semblent tout à fait naturelles et qui "s'emboîtent" correctement.

En résumé : Branching Flows, c'est passer d'un monde de "sculpture fixe" à un monde de "croissance organique". L'IA ne se contente plus de remplir des cases, elle apprend à faire pousser la vie (artificielle) avec la flexibilité de la nature.

Résumé Technique : Branching Flows

1. Problématique (The Problem)

Les modèles génératifs actuels basés sur la diffusion ou le flow matching excellent pour générer des données de dimension fixe (comme des images ou des grilles structurées). Cependant, ils peinent à gérer les séquences de longueur variable (ex: molécules, protéines, séquences de texte) sans recourir à des solutions ad hoc.

Deux approches classiques présentent des limites :

Modèles Autorégressifs (AR) : Ils gèrent bien la longueur mais sont limités à une structure de gauche à droite, ce qui est inefficace pour les données continues ou multimodales complexes.
Le problème de l'échantillonnage "infixe" à longueur inconnue : Dans la conception de protéines, par exemple, il est impossible de savoir à l'avance quelle longueur doit avoir une région de liaison (CDR) entre deux régions fixes. Les modèles de diffusion classiques ne peuvent pas "insérer" naturellement des éléments de longueur variable entre des éléments connus.

2. Méthodologie (Methodology)

Les auteurs proposent les Branching Flows (Flux de Ramification), un cadre de modélisation générative basé sur le Generator Matching.

Concept clé : Au lieu de transformer un vecteur de taille fixe, le modèle transporte une distribution simple vers une distribution de données en faisant évoluer les éléments à travers une forêt d'arbres binaires.

Processus de ramification et de suppression : Les éléments de l'état évoluent le long des branches des arbres. Ils peuvent se dupliquer (ramification/split) ou disparaître (suppression/deletion) de manière stochastique. Les taux de ces événements sont appris par le modèle.
Structure de l'état ( $Z$ ) : Pour coupler une distribution initiale $x_0$ $x_{0}$ (longueur $\ell_0$ $ℓ_{0}$ ) à une distribution de données $x_1$ $x_{1}$ (longueur $\ell_1$ $ℓ_{1}$ ), le modèle échantillonne un tuple $Z$ $Z$ comprenant :
- Les éléments de données augmentés de "placeholders" pour les éléments destinés à être supprimés.
- Une forêt d'arbres binaires $T$ reliant les racines ( $x_0$ ) aux feuilles ( $x_1$ ).
- Des "ancres" ( $A$ ) qui servent de guides pour le processus de base le long des branches.
Générateur de base : Entre deux événements de ramification ou de suppression, chaque élément suit un processus de base (ex: processus d'Ornstein-Uhlenbeck pour le continu, ou Discrete Flow Matching pour le discret) dirigé vers l'ancre suivante.
Apprentissage : Le modèle apprend via une perte de type Conditional Branching Flows (CBF), qui est la somme de trois divergences de Bregman : une pour le processus de base, une pour l'intensité des divisions (splits) et une pour l'intensité des suppressions (deletions).

3. Contributions Clés (Key Contributions)

Flexibilité Multimodale : Le cadre est composable avec n'importe quel processus de flow matching, qu'il soit sur des ensembles discrets, des espaces euclidiens, des variétés riemanniennes (manifolds) ou des espaces produits mixtes.
Gestion de la longueur variable : Contrairement aux modèles de diffusion classiques, la longueur de la séquence est contrôlée dynamiquement pendant la génération.
Résolution de l'échantillonnage "infixe" : Introduction de BranchSegment, capable d'insérer des segments de longueur inconnue entre des régions fixes (ex: concevoir une boucle de protéine entre deux domaines stables).
Formalisme mathématique : Une formulation rigoureuse du Generator Matching appliquée aux processus de branchement stochastique.

4. Résultats (Results)

Les auteurs ont testé le modèle sur trois domaines critiques :

Petites molécules (QM9) : Le modèle génère conjointement les positions atomiques (continu) et les types d'atomes (discret). Les résultats montrent une meilleure correspondance avec la distribution réelle des propriétés moléculaires (poids moléculaire, LogP, etc.) que les modèles de "Transdimensional Jumps".
Séquences d'anticorps (Antibodies) : Le modèle parvient à apprendre la distribution des longueurs et des compositions d'acides aminés, égalant presque les performances d'un modèle "Oracle" (qui connaîtrait la longueur à l'avance). Il surpasse les modèles Edit Flows en termes de diversité et de nouveauté.
Structures de protéines :
- BranchChain : Capable de générer des chaînes de protéines de longueurs variées avec des géométries plausibles (validées par des modèles de repliement comme Boltz2).
- BranchSegment : Démontre la capacité de conception "infixe" en insérant des régions de liaison (CDR3) dans un complexe protéique sans créer de collisions atomiques avec le partenaire de liaison.

5. Signification (Significance)

Cette recherche marque une avancée majeure dans la conception de novo de biomolécules. En permettant de manipuler des structures dont la taille n'est pas prédéterminée, les Branching Flows ouvrent la voie à des outils de design plus proches de la réalité biologique, où la flexibilité et la longueur des segments (boucles, domaines, chaînes) sont des variables biologiques essentielles et non des paramètres fixes. Le modèle est également remarquable par sa capacité à être "fine-tuné" à partir de modèles de flow matching pré-existants.