기술 요약: 실현 가능성에서 실용성으로: 파레토 최적 합성 계획

문제 제기

현재 컴퓨터 지원 합성 계획 (CASP) 방법들은 단일 실현 가능한 경로가 식별되면 역합성을 해결된 문제로 간주하며, 주로 수렴성이나 최단 경로 지표를 최적화합니다. 이러한 단일 목적 관점은 화학자들이 비용, 지속 가능성, 독성, 전반적 수율과 같은 경쟁적이거나 종종 상충되는 목적들을 균형 있게 고려해야 하는 산업 현실과 부합하지 않습니다. 기존 접근법은 일반적으로 경로 생성과 최적화를 분리하여, 다단계 알고리즘을 사용하여 순위가 매겨지지 않은 경로를 찾은 후 사후 분석을 통해 특정 기준을 최적화합니다. 이러한 분리는 단일 지표에서는 뛰어나지 않지만 우수한 절충안을 제공하는 유망한 합성 경로를 놓칠 위험이 있습니다. 또한, 제약 조건이 있는 합성 계획 (예: 출발 물질 고정) 은 존재하지만, 역합성의 복잡한 AND-OR 그래프 구조에서 파레토 프론트를 통해 절충안을 명시적으로 포착하는 진정한 다목적 최적화는 특히 최적성의 이론적 보장을 갖춘 상태에서 아직 충분히 탐구되지 않았습니다.

방법론: MORetro*

저자들은 사용자 정의 목적의 수에 관계없이 합성 경로의 파레토 프론트 (PF) 를 생성하도록 설계된 다목적 탐색 알고리즘인 MORetro를 소개합니다. 이 방법은 단일 목적 Retro* 알고리즘 (Chen et al., 2020) 과 RetroGraph(Xie et al., 2022) 를 다음과 같은 핵심 구성 요소를 사용하여 다목적 설정으로 확장합니다:

1. AND-OR 그래프에서의 다목적 A* 탐색

탐색 공간은 분자가 OR 노드 (해결을 위해 하나의 반응만 필요함) 이고 반응이 AND 노드 (해결을 위해 모든 반응물이 필요함) 인 방향 비순환 그래프 (DAG) 로 모델링됩니다.

• 스칼라화: 고차원 목적 공간을 탐색하기 위해 MORetro*는 가중 선형 스칼라화를 사용합니다. 확률 심플렉스에서 샘플링된 가중치 벡터 집합 $W$를 생성합니다. 각 가중치 벡터 $w_j$는 벡터 값 비용 $C(\Gamma)$를 스칼라 값 $V_{t,j} = w_j^\top V_t$로 변환합니다.
• 병렬 탐색: 알고리즘은 각 샘플링된 가중치 벡터에 대해 여러 개의 병렬 탐색을 유지합니다. 각 반복에서 프런티어 분자는 각 가중치에 대한 스칼라화된 값 함수를 기반으로 선택되고, 단일 단계 예측기를 사용하여 확장되며, 비용은 그래프를 통해 상향 및 하향으로 전파됩니다.

2. 가중치 샘플링을 위한 베이지안 최적화 (BO)

절충안 공간을 효율적으로 탐색하기 위해 이 논문은 BO 기반 가중치 샘플링 전략을 제안합니다.

• 메커니즘: 초기 웜업 단계 (그리드 또는 Sobol 샘플링 사용) 후, 이전에 평가된 가중치들의 관측된 초부피 (HV) 개선에 대해 대리 모델 (surrogate model) 을 적합시킵니다.
• 획득: 새로운 가중치 벡터는 GIBBON 획득 함수를 사용하여 기대 정보 획득량 (IG) 을 최대화하도록 샘플링되며, 이는 가중치 배치 내 다양성을 장려하면서도 절충안 공간의 유망한 영역에 초점을 맞춥니다.

3. 최적성 보장 및 가지치기

중요한 이론적 기여는 AND-OR 그래프에 대한 벡터 값 가지치기 수($pn$) 와 상한 ($V_{bound}$) 의 유도입니다.

• 정리: 저자들은 모든 프런티어 분자에 대해 "상한 지배 조건"이 성립할 때만 탐색이 종료된다면 (즉, 발견된 경로가 확장되지 않은 모든 노드의 하한을 지배함), 알고리즘이 진정한 파레토 프론트를 복원함을 증명합니다.
• 가지치기: 이 상한은 파레토 최적 경로에 속할 수 없는 지배된 중간 분자를 안전하게 제거하여 탐색 공간을 크게 줄일 수 있게 합니다.

4. 실용적 목적

이 프레임워크는 반응 조건 예측 모듈 (QUARC) 을 통합하여 반응에 예측된 온도와 시약을 추가합니다. 이를 통해 산업적으로 관련 있는 목적을 정의할 수 있습니다:

• 지속 가능성: 반응 온도 패널티와 원자 경제성의 조합.
• 독성: 촉매/용제의 위험을 집계하고 반응물의 독성 부분을 패널티로 부과합니다.
• 확장 잠재력: logP 차이에 기반한 분리 난이도를 추정하고 빌딩 블록 시장 가격을 통합합니다.

주요 기여

1. 알고리즘적 프레임워크: 가중치 스칼라화와 BO 기반 샘플링을 사용하여 임의의 사용자 정의 목적에 대한 파레토 프론트를 반환하는 다목적 탐색 알고리즘인 MORetro*의 도입. 이는 PF 품질과 다양성 모두에서 단일 목적 베이스라인을 능가합니다.
2. 이론적 보장: 고정된 단일 단계 모델에 대해 알고리즘이 모든 파레토 최적 합성 경로를 복원할 수 있음을 증명하는 최적성 상한의 유도. 이는 표준 OR 그래프의 허용 가능성 개념을 일반화하는 AND-OR 그래프에 대한 새로운 가지치기 메커니즘을 포함합니다.
3. 산업적 관련성: 독성, 지속 가능성, 확장 잠재력을 포착하는 탐색 목적의 정의로, 알고리즘이 순수 이론적 최단 경로보다 실질적으로 실현 가능한 반응을 우선시할 수 있게 합니다.

실험 결과

이 방법은 USPTO-190, Pistachio-reachable, ChEMBL 데이터셋을 사용하여 세 가지 다른 단일 단계 모델 (NeuralSym, PDVN, Graph2Edits) 로 평가되었습니다.

• 파레토 프론트 품질: MORetro*(BO 샘플링 사용) 은 단일 목적 Retro** 및 고정 가중치 스칼라화 베이스라인보다 일관되게 우수한 성능을 보였습니다. 더 높은 초부피 (HV) 개선 (약 5~8%) 과 더 낮은 $R^2$ 지표를 달성하여 절충안 공간에 대한 더 나은 수렴과 커버리지를 나타냈습니다.
• 성공률: MORetro는 단일 목적 Retro*와 비교 가능한 성공률을 유지했습니다 (190 개 분자 중 추가적으로 2~3 개 분자에서 실패). 반면 고정 가중치 베이스라인은 훨씬 더 자주 실패했습니다 (해결된 목표가 최대 25% 적음). 이는 적응적으로 안내 목적을 균형 있게 조정하는 것의 중요성을 강조합니다.
• 다양성: 이 알고리즘은 베이스라인에 비해 훨씬 더 다양한 합성 경로를 생성했습니다 (쌍별 비유사성으로 측정), 다목적 최적화가 자연스럽게 더 넓은 화학 공간을 탐색함을 입증했습니다.
• 가지치기 효율성: $V_{bound}$를 사용한 가지치기는 평균 54% 의 탐색 공간을 줄였으며, 특정 분자의 경우 최대 90% 까지 감소시켰고, 동시에 PF 품질을 향상시키고 실행 시간을 단축했습니다.
• 샘플링 전략: BO 기반 샘플링은 HV, 성공률, 다양성 측면에서 Sobol 및 그리드 샘플링보다 일관되게 우수한 성능을 보였으며, 특히 PDVN 과 같은 복잡한 모델에서 두드러졌습니다.

중요성 및 주장

이 논문은 MORetro*가 합성 계획에서 이론적 실현 가능성과 산업적 실용성 사이의 격차를 해소한다고 주장합니다. "단일 실현 가능한 경로" 패러다임을 넘어섬으로써, 경제적, 환경적, 안전성 지표 간의 절충안을 명시적으로 포착하는 의사결정을 위한 유연한 기반을 제공합니다.

저자들은 그들의 접근 방식이 다음과 같음을 강조합니다:

• 산업 요구사항과 부합: 지속 가능성과 확장을 직접 최적화함으로써, 단순한 최단 경로 솔루션보다 화학자들에게 더 실행 가능한 출력을 제공합니다.
• 이론적 엄밀성 제공: 확률적 접근법 (예: MO-MCTS) 과 달리 MORetro*는 특정 조건 하에서 파레토 최적성에 대한 보장을 제공하여 무작위 샘플링으로 인해 더 나은 절충안이 놓치지 않도록 합니다.
• 모델 중립성: 이 방법은 기반이 되는 단일 단계 예측기에 독립적이므로 다양한 템플릿 기반 및 템플릿 프리 모델에 적용 가능합니다.

이 논문은 현재 휴리스틱이 이론적으로 허용 가능하지 않아 (실제 가지치기 효율성을 제한함) 하지만, 이 프레임워크가 고품질이고 다양한 파레토 프론트를 성공적으로 복원하여 CASP 출력을 실제 세계 화학 합성에 더 관련 있게 만드는 중요한 진전을 제공한다고 결론지었습니다.