📊 statistics

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

Branching Flows is een nieuw generatief model dat door middel van een stochastisch proces van vertakkingen en verwijderingen in een boomstructuur de lengte van sequenties kan variëren, wat toepassingen mogelijk maakt in diverse domeinen zoals molecuul-, antilichaam- en eiwitgeneratie.

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

Gepubliceerd 2026-04-28

📖 3 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

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

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een digitale kok bent die recepten moet maken. Tot nu toe konden computers alleen recepten maken voor gerechten waarvan ze van tevoren al precies wisten hoeveel ingrediënten erin moesten: "Maak een gerecht met precies 5 ingrediënten." Maar wat als je een chef-kok wilt die zelf beslist: "Ik voeg nu een extra snufje zout toe" of "Wacht, deze soep is te dun, ik voeg nog wat groenten toe"?

Dit wetenschappelijke artikel, "Branching Flows", introduceert een nieuwe manier waarop computers creatieve dingen kunnen maken (zoals moleculen voor medicijnen of eiwitstructuren voor biologie) waarbij de lengte van de reeks niet van tevoren vaststaat.

Hier is de uitleg in begrijpelijke taal:

De Metafoor: De Magische Boom van Creatie

Stel je voor dat het maken van een nieuw molecuul of een eiwit niet werkt als het bouwen van een muur (steen voor steen, met een vaste lengte), maar als het groeien van een boom.

De Wortel (Het begin): We beginnen met een heel simpel, klein zaadje (een simpele verdeling). Dit is de basis van onze creatie.
De Takken (Splitsen): Terwijl de boom groeit, gebeurt er iets magisch: een tak splitst zich in tweeën. In de computerwereld betekent dit dat één element (bijvoorbeeld een atoom) plotseling "kopieert" zichzelf om de reeks langer te maken. Dit noemen de onderzoekers Branching (vertakken).
De Bladeren die vallen (Verwijderen): Soms groeit er een takje dat niet handig is. De computer kan besluiten om een onderdeel weer te laten "afvallen". Dit noemen ze Deletions (verwijderingen).
De Groei (De Flow): Terwijl de boom groeit, veranderen de takken en bladeren constant van vorm en kleur totdat ze precies lijken op het einddoel: een echt, werkend molecuul of een eiwit.

Waarom is dit zo bijzonder? (Het "Infix" probleem)

De onderzoekers lossen een heel specifiek probleem op dat ze het "unknown-length infix sampling" probleem noemen.

Stel je voor dat je een kralenketting hebt. Je hebt de eerste 10 kralen en de laatste 10 kralen al klaarliggen. Je wilt nu een nieuw stukje kralen tussen die twee delen in maken. Maar je weet niet hoeveel kralen er in dat tussenstukje moeten passen om het mooi te laten aansluiten.

Oude computerprogramma's moesten van tevoren gokken: "Ik probeer het eens met 5 kralen... nee, dat past niet... nu met 8 kralen." Dat is heel onhandig. Branching Flows doet dit anders: de computer begint te "groeien" in het gat en beslist tijdens het groeiproces zelf: "Oké, nu heb ik genoeg kralen om de ketting perfect te sluiten."

Waar gaan ze dit voor gebruiken?

De onderzoekers hebben hun "magische boom" getest op drie belangrijke gebieden:

Kleine moleculen (Medicijnen): Ze lieten de computer nieuwe moleculen tekenen. De computer begon met een paar atomen en liet de "takken" groeien tot een compleet, stabiel molecuul.
Antilichamen (Immuunsysteem): Ze leerden de computer hoe antilichamen (de soldaten van ons lichaam) eruitzien. Omdat antilichamen verschillende lengtes hebben, was de "boom-methode" perfect om die variatie te leren.
Eiwitten (De bouwstenen van het leven): Dit is het moeilijkste niveau. Eiwitten hebben een ingewikkelde 3D-vorm. De computer kon hier niet alleen de lengte bepalen, maar ook de complexe draaiingen en vormen in de ruimte, alsof de boom in een 3D-wereld groeit.

Samenvatting

In plaats van een computer te dwingen om in een vast keurslijf van lengtes te werken, geeft Branching Flows de computer de vrijheid om te groeien, te splitsen en te snoeien. Dit maakt het een veel krachtiger instrument voor wetenschappers die op zoek zijn naar nieuwe medicijnen en de geheimen van het menselijk lichaam willen ontrafelen.

Technische Samenvatting: Branching Flows

1. Het Probleem: Variabele Lengte in Generatieve Modellen

Huidige generatieve modellen zoals diffusion en flow matching zijn uitstekend in het modelleren van data met een vaste structuur (zoals afbeeldingen of vaste sequenties), maar hebben moeite met data waarvan de lengte niet vooraf bekend is. Voorbeelden hiervan zijn:

De lengte van een tekstuele respons van een taalmodel.
Het aantal atomen in een molecuul.
Het aantal aminozuren in een eiwitketen.

Bestaande oplossingen zoals autoregressieve (AR) modellen werken goed voor discrete tokens, maar zijn minder geschikt voor continue ruimtes. Voor continue data zijn er methoden zoals Edit Flows (inserties/deleties) of Transdimensional Jumps, maar deze zijn vaak beperkt in complexiteit of schaalbaarheid. Een specifiek probleem is "unknown-length infix sampling": het ontwerpen van een segment van onbekende lengte tussen twee bekende flankerende regio's (bijv. het ontwerpen van een antilichaam-bindingregio tussen twee vaste eiwitstructuren).

2. Methodologie: Branching Flows

De auteurs introduceren Branching Flows, een raamwerk gebaseerd op Generator Matching. In plaats van een vaste reeks elementen te transformeren, evolueren de elementen in de staat over een "bos van binaire bomen".

Kernconcepten:

Stochastische Evolutie: Elementen bewegen van een eenvoudige distributie ( $x_0$ ) naar de datadistributie ( $x_1$ ). Tijdens dit proces kunnen elementen splitsen (branching) of verdwijnen (deletion).
Binaire Bomen: De relatie tussen de starttoestand ( $x_0$ ) en de eindtoestand ( $x_1$ ) wordt gemodelleerd via een bos van binaire bomen. Bij een splitsing wordt een element in-place gedupliceerd en krijgt elk nieuw element een eigen tak.
Anchors (Ankers): Om de stroom te sturen, worden 'anchors' gebruikt. Deze fungeren als tijdelijke doelpunten voor de elementen op de interne takken van de boom, waardoor de transitie naar de uiteindelijke data-elementen vloeiend verloopt.
Generator Matching: Het model leert de "generator" (de snelheid en richting van de verandering) door een verliesfunctie te minimaliseren die drie componenten bevat:
1. De basisbeweging van de elementen (drift/diffusie).
2. De intensiteit van de splitsingen (split rate).
3. De intensiteit van de verwijderingen (deletion rate).

Flexibiliteit:

Het unieke aan Branching Flows is dat het kan worden samengesteld met elke flow-matching basis, ongeacht of de elementen discreet (tokens), continu (Euclidische coördinaten), manifold-valued (rotaties in $SO(3)$), of een combinatie daarvan zijn.

3. Belangrijkste Bijdragen

Nieuw Generatief Raamwerk: De eerste methode voor variable-length Generator Matching die zowel continue als discrete componenten efficiënt combineert.
Oplossing voor Infix Sampling: De introductie van BranchSegment, waarmee segmenten van onbekende lengte kunnen worden ingevoegd tussen vaste structuren.
Schaalbaarheid: Het raamwerk is bewezen effectief op complexe, multimodale domeinen zoals eiwitstructuren en moleculen.

4. Resultaten

De auteurs testten het model op drie domeinen:

QM9 (Kleine Moleculen): Het model genereert succesvol zowel atoomposities als labels. De gegenereerde moleculen vertonen een superieure overeenkomst met de werkelijke datadistributie (op basis van moleculaire eigenschappen zoals gewicht en LogP) vergeleken met bestaande transdimensional jump modellen.
Antilichaam-sequenties (Discreet): Branching Flows slaagt erin de variabele lengte van antilichamen te modelleren. De resultaten benaderen de prestaties van een "oracle-length" model (een model dat de ware lengte al weet), wat aantoont dat het model de lengteverdeling autonoom leert.
Eiwitstructuren (Multimodaal):
- BranchChain: Kan complete eiwitketens genereren met realistische geometrie.
- BranchSegment: Demonstreert succesvolle infix sampling. Het model kon een bindingsregio (CDR3) ontwerpen die structureel compatibel was met een receptor, zelfs zonder dat de exacte lengte vooraf was bepaald.

5. Betekenis en Conclusie

Branching Flows markeert een belangrijke stap voorwaarts in de generatieve modellering van biologische en chemische structuren. Waar eerdere modellen vaak beperkt waren tot vaste lengtes of complexe, benaderde oplossingen voor variabele lengtes nodig hadden, biedt dit raamwerk een natuurlijke, wiskundig consistente manier om met variabele sequenties om te gaan. De mogelijkheid om bestaande modellen (zoals ChainStorm) te finetunen met Branching Flows suggereert dat de methode zeer praktisch inzetbaar is voor de huidige AI-gestuurde wetenschap (bijv. de novo eiwitontwerp).