技術要約：Branching Flows (分岐フロー)

1. 背景と課題 (Problem)

従来の生成モデル（拡散モデルやフロー・マッチング）は、画像の生成のように「状態の要素数（次元数）が事前に固定されている」ドメインでは非常に高い性能を発揮します。しかし、以下のようないくつかの実世界の課題に対しては、アドホック（場当たり的）な解決策を必要とします。

• 可変長シーケンスの生成: 大規模言語モデル（LLM）の応答長、分子内の原子数、タンパク質ののアミノ酸鎖の長さなどは、生成前に正確に知ることができません。
• 未知の長さのインフィックス・サンプリング (Unknown-length infix sampling): タンパク質設計において、既知のフレームワーク領域の間に、未知の長さの相補性決定領域（CDR）を挿入するといった問題です。既存のモデルでは、挿入すべき長さを事前に指定しなければならず、生物学的に不自然な制約となります。

既存の「Edit Flows」は離散的なシーケンスの挿入・削除を扱いますが、連続空間や多様体（Manifold）への拡張が困難であり、また挿入位置の分布を学習するのが難しいという課題がありました。

2. 提案手法 (Methodology)

本論文は、Branching Flows という新しい生成モデリングの枠組みを提案しています。これは、単純な分布からデータ分布へと要素を輸送する「Generator Matching」の概念を拡張したものです。

核心となるメカニズム

Branching Flowsは、要素が**「二分木の森（Forest of binary trees）」の上を、確率的な分岐（Splits）と削除（Deletions）**を伴いながら進化するプロセスとして定式化します。

• 分岐 (Splitting): ある要素が複製され、2つの子要素へと分かれます。これにより、シーケンスの長さが増加します。
• 削除 (Deletion): 要素がプロセスから消滅します。これにより、シーケンスの長さが減少します。
• ベース・ジェネレータ (Base Generator): 分岐や削除が発生しない間、各要素は独立して、連続空間（Euclidean）、多様体（Riemannian Manifold）、または離散トークン（Discrete）のいずれかの空間において、アンカー（目標値）に向かってドリフトや拡散を行います。
• アンカー (Anchors): 木の内部ノードに設定される中間的な目標値です。これにより、分岐プロセス中の要素の軌道を制御し、学習を安定させます。

学習アルゴリズム

Conditional Branching Flows (CBF) Loss を導入しています。これは、以下の3つのBregmanダイバージェンスの和として定義されます。

1. Split Intensity Loss: 分岐の発生率に関する損失。
2. Deletion Intensity Loss: 削除の発生率に関する損失。
3. Base Process Loss: 要素自体の状態変化（位置やラベル）に関する損失。

この設計により、モデルは要素の「値」だけでなく、「数（長さ）」と「構造」を同時に学習することが可能になります。

3. 主な貢献 (Key Contributions)

1. 汎用的なフレームワーク: 離散、連続、多様体、およびそれらが混在した「マルチモーダル」な積空間（例：タンパク質の座標＋アミノ酸ラベル）に対して、同一の枠組みで適用可能です。
2. 可変長への自然な対応: 事前に長さを指定することなく、データの分布に従って最適な長さを生成できます。
3. インフィックス・サンプリングの実現: 既知の構造の間に、未知の長さのセグメントを挿入するタスク（BranchSegment）を初めて解決しました。
4. 理論的整合性: Generator Matchingの枠組みに基づき、分岐・削除プロセスを数学的に厳密に定式化しました。

4. 実験結果 (Results)

論文では3つの異なるドメインで検証が行われています。

• 小分子 (QM9データセット): 原子座標と原子ラベルを同時に生成。既存の「Transdimensional Jump Diffusion」モデルと比較して、分子量やLogPなどの化学的特性において、より正確にデータ分布を再現できることを示しました。
• 抗体配列 (Antibody sequences): 離散的なアミノ酸配列の生成。生成された配列の長さ分布や、生物学的な妥当性（AbNatiVスコア）において、長さが固定されたモデルやEdit Flowsと同等以上の性能を示しました。
• タンパク質構造と配列 (Protein structure & sequence):
  • BranchChain: タンパク質鎖の長さや数を確率的に生成。
  • BranchSegment: タンパク質複合体の一部（CDR3領域）を、周囲の構造に適合するように未知の長さで設計することに成功しました。生成された構造は、最新の折り畳み予測モデル（Boltz2）によって高い自己整合性（scTMスコア）が確認されました。

5. 意義 (Significance)

本研究は、生成モデルにおける「次元の変動」という長年の課題に対し、強力かつ柔軟な解決策を提示しました。特に、「構造の長さが未知である」ことが前提となる生物学・化学分野の設計タスク（創薬、タンパク質工学）において、極めて実用的なパラダイムシフトをもたらす可能性を秘めています。また、既存の固定長モデルをファインチューニングしてBranching Flowsへと拡張できる可能性も示唆されており、大規模モデルの再利用という観点からも重要です。