🤖 machine learning

Sample Efficient Generative Optimization for Molecular Design

该论文介绍了样本高效生成优化（SEGO），这是一个将贝叶斯优化与自适应生成模型相结合的框架，旨在显著减少分子设计中昂贵的预言机评估次数，在实际基准测试中实现了最先进的性能，且所需的样本量比现有方法减少了高达十倍。

原作者： Sarina Kopf, Cristina Nevado, Philippe Schwaller

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Sarina Kopf, Cristina Nevado, Philippe Schwaller

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一名在名为“化学空间”（Chemical Space）的广袤、多雾的群岛中寻找宝藏的猎人。你的目标是什么？寻找一座特定的、具有魔力的岛屿（一个分子），它能治愈某种疾病或为新引擎提供动力。问题在于，岛屿是无穷无尽的，而检查一座岛屿是否就是你要找的那座，需要派出一艘昂贵且移动缓慢的船只（一次实验或高保真模拟）前往访问。你拥有的燃料仅够进行几次航行。

大多数寻宝者使用两种策略，两者都有缺陷。有些人使用生成式模型（Generative Models），它们就像会随机旋转出各种岛屿的魔法指南针。它们擅长探索，但由于无法快速从错误中学习，它们经常会转出一些毫无用处的岩石。另一些人使用贝叶斯优化（Bayesian Optimization），这就像一位超级聪明的制图师。制图师根据你已经访问过的少数岛屿绘制地图，并猜测宝藏可能藏匿的地方。但这位制图师很挑剔：他需要一份预先绘制好的岛屿清单，否则如果岛屿看起来与他所知的太不一样，他就会感到困惑。

SEGO（样本高效生成优化）应运而生，这是一种结合了两者优点的混合策略，它表现得像一支精干的侦察小队。

侦察小队策略

SEGO 将两者的优势结合成一个能够极速学习的循环。以下是它的工作步骤：

制图师（代理模型/The Surrogate）： 首先，一位概率制图师观察你已经访问过的少数岛屿。他不仅仅是在猜测；他会对宝藏躲藏在迷雾中的哪个区域形成一个“假设”。
侦察兵（生成模型/The Scout）： SEGO 不再等待预制的清单，而是向那个特定的迷雾区域派遣一名生成模型（“侦察兵”）。侦察兵受到制图师假设的引导，在宝藏可能存在的区域精准地生成一批全新的候选岛屿。
筛选： 从这批新生成的候选者中，一个筛选工具会选出最有希望的一座岛屿进行访问。
反馈循环： 你将船只派往那座岛屿。得到的结果（“神谕调用/Oracle Call”）有两个用途：
- 它能让制图师的地图更加清晰，使下一次预测更加精准。
- 它能“锚定”侦察兵，教导它专注于真正的、高回报的区域，而不是四处游荡。

为什么它是一个游戏规则改变者

论文显示，这种方法具有极高的样本效率（Sample Efficiency），这意味着它能以比其他方法更少的航行次数找到宝藏。

PMO 基准测试： 在一项标准的测试——实际分子优化（PMO）基准测试中，SEGO 使用的船只航行次数（神谕调用次数）仅为其他方法所需次数的十分之一。当别人可能需要 1,000 次航行时，SEGO 仅用 100 次就找到了顶尖的结果。
对接任务（Docking Task）： 在一项涉及将分子放入蛋白质口袋的复杂任务中，SEGO 用大约一半于现有方法所需的航行次数，就找到了 10 个命中目标。

SEGO 不做什么

了解该方法在哪些方面没有发挥作用也很重要，这是基于论文的研究结果：

它不适用于随机列表： 如果你只是把 500 个随机分子丢给制图师（像标准的贝叶斯优化那样），它无法找到命中目标，因为清单中并不包含正确的候选者。制图师需要侦察兵先去生成这些候选者。
它不适用于“纯粹”的指南针： 如果你只是让生成式侦察兵在没有制图师引导的情况下随心所欲地旋转（纯强化学习方法），在严格的燃料限制下，它无法找到命中目标。没有地图的指引，侦察兵会迷失方向。
它不保证无限的多样性： 论文指出了一种被称为“异构体坍缩（Isomer Collapse）”的副作用。因为这支小队太擅长寻找最好的宝藏，以至于他们有时会不断发现同一个宝藏的不同版本（分子式相同但形状不同的分子）。为了解决这个问题，团队必须添加一个特殊的过滤器，强制他们寻找略微不同的分子式，从而在追求质量与保持多样性之间取得平衡。

我们有多确定？

作者对这些结果非常有信心，因为它们是在既定的基准测试上测量的。

模拟结果： 这些性能数据（例如用一半的预算找到 10 个命中目标）是通过在计算机模拟的化学任务上运行这些方法得出的。论文明确指出，这些结果来自 PMO 基准测试 和一个多参数对接任务。
现实世界的潜力： 论文指出，由于 SEGO 的高效性，它最终可以被用于直接的实验反馈（即派遣真实的船只前往真实的岛屿），而不仅仅是依赖廉价、低质量的计算机猜测。然而，论文将其呈现为由效率提升带来的未来可能性，而非已完成的现实世界临床试验。

简而言之，SEGO 是一个巧妙的循环：制图师引导侦察兵前往正确的地点，而侦察兵的发现又让地图变得更好。它将一场缓慢、昂贵的寻宝行动变成了一次快速、精准的任务，用极少的燃料就能找到最好的分子。

技术摘要：用于分子设计的样本高效生成优化

问题陈述
药物发现、材料设计和催化过程中的分子优化需要在严格的评估预算下，在广阔的化学空间中进行导航。高保真度预言机（例如实验合成与测试）成本高昂且耗时，这使得优化方法的“样本效率”（即找到强力候选者所需的评估次数）成为其能否投入实际应用的决定性因素。现有方法面临着一种权衡：深度生成模型（如基于强化学习的 SMILES 生成器）通常需要数百甚至数千次预言机调用才能收敛；而贝叶斯优化（BO）虽然具有很高的样本效率，但受限于固定库或对分子表示选择的敏感性。现有的混合方法难以在生成式搜索的灵活性与贝叶斯优化的数据效率之间取得平衡，特别是在目标分布未知且直接的实验反馈是唯一可行预言机的场景下。

方法论：SEGO 框架
作者提出了样本高效生成优化（SEGO），这是一个整合了强化学习（RL）和贝叶斯优化（BO）的串联框架，旨在开放式分子空间中进行样本高效搜索。SEGO 通过一个涉及三个核心组件的迭代循环运行：

生成引擎 (Saturn)： 一个基于 Mamba 架构的自回归 SMILES 生成器，通过强化学习进行训练。它利用“增强记忆”（Augmented Memory），维护一个高奖励 SMILES 字符串的重放缓冲区，并通过随机化（通过 SMILES 增强）来提高泛化能力并防止模式崩溃。
贝叶斯优化引擎 (GOLLuM)： 一个基于深度核高斯过程（Deep Kernel GP）的代理模型，直接作用于源自大语言模型（LLM）的 SMILES 嵌入。这实现了无需手工设计描述符的即时特征化。
SEGO 循环：
- 锚定内循环 (Anchored Inner Loop)： 在每次迭代中，一个“代理引导”的内层智能体 ( $\pi_{Inner}$ ) 从一个“真实预言机”锚定的智能体 ( $\pi_{Agent}$ ) 中实例化。内层智能体针对 GP 后验均值（即代理模型关于高回报区域的假设）进行训练，以生成针对性的候选库。
- 选择： 候选库使用深度核 GP 进行特征化，并通过采集函数（期望改进，Expected Improvement）选择最有潜力的候选者。
- 反馈与更新： 被选中的候选者由真实预言机进行评估。结果用于：
  - 更新 GP 代理模型（细化假设）。
  - 通过强化学习使用真实奖励来更新锚定智能体 ( $\pi_{Agent}$ )。
  - 执行增强优化 (Augmented Optimization)：被选中的分子被增强为 $N$ 个随机化的 SMILES 变体，且 GP 在所有表示上同时进行训练。这利用了 SMILES 的非单射特性来对齐潜在空间，从而提高预测精度，尤其是在低数据量的情况下。

核心贡献

代理引导生成： 不同于标准的贝叶斯优化仅从固定库中进行选择，SEGO 引导生成模型专门在代理模型假设包含高回报的区域提出候选者。
锚定机制： 该框架维持一个基于真实预言机反馈训练的智能体以确保稳定性，同时使用一个临时的内层智能体来探索代理模型的景观。这可以防止智能体在代理模型最初存在不确定性时漂移到无用的区域。
SMILES 增强代理更新： 通过在多个增强表示上训练 GP，SEGO 改善了潜在空间的对齐以及代理模型的准确性，且仅需极少的预言机调用。
异构塌陷缓解 (Isomer Collapse Mitigation)： 作者引入了一种修改后的期望改进采集函数，通过提高现任最优值（incumbent）阈值，鼓励发现新的分子式，而非仅仅是当前最佳命中点的同系异构体。

结果

消融研究： 锚定初始化策略显著优于从先验重新初始化或在迭代间维持连续智能体的策略，为有望的化学区域提供了必要的“热启动”。研究发现，增强优化（5倍至20倍）在没有统计学意义上的多样性损失的情况下，提高了产出并减轻了预言机负担。
组件对比： 在一个具有严格 100 次调用预算的多属性优化任务中，独立的生成引擎（Saturn）和独立的 BO 引擎（GOLLU M）均未能找到命中点或表现不佳。SEGO 成功识别了 63 个独特的命中点，证明了这种混合方法的必要性。
PMO 基准测试： 在实际分子优化（PMO）基准测试中，SEGO 仅使用了其他方法（通常使用 1,000 次调用）10% 的预言机预算（100 次调用）便达到了 SOTA 性能。它获得了具有竞争力的 Top-1 和 Top-10 分数。
多参数对接： 在特定的对接任务中，SEGO 仅用了现有最先进方法约一半的预言机调用次数就达到了十个命中点。

意义与主张
论文声称 SEGO 使分子优化更接近于由直接实验反馈驱动的研发流程。通过大幅减少所需的预言机调用次数，该方法使得将高保真度模拟或现实世界实验作为优化预言机变得可行，而非依赖于容易被“欺骗”的廉价、低保真度的计算机模拟代理。作者将 SEGO 定位为解决固定库限制及纯生成式方法数据效率低下问题的方案，使其能够在极低的实验成本下，在开放式化学空间中发现高质量的候选者。

侦察小队策略

为什么它是一个游戏规则改变者

SEGO 不 做什么

我们有多确定？

技术摘要：用于分子设计的样本高效生成优化

类似论文

SEGO 不做什么