論文の概要: A Genetic Algorithm for Navigating Synthesizable Molecular Spaces
- arxiv url: http://arxiv.org/abs/2509.20719v1
- Date: Thu, 25 Sep 2025 03:33:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-26 20:58:12.68337
- Title: A Genetic Algorithm for Navigating Synthesizable Molecular Spaces
- Title（参考訳）: 合成可能な分子空間をナビゲートするための遺伝的アルゴリズム
- Authors: Alston Lo, Connor W. Coley, Wojciech Matusik,
- Abstract要約: 合成経路上で直接動作する単純な遺伝的アルゴリズムであるSynGAを提案する。
適合度関数を変更することで、さまざまなデザインタスクにおけるSynGAの有効性を実証する。
- 参考スコア（独自算出の注目度）: 34.11059107816963
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inspired by the effectiveness of genetic algorithms and the importance of synthesizability in molecular design, we present SynGA, a simple genetic algorithm that operates directly over synthesis routes. Our method features custom crossover and mutation operators that explicitly constrain it to synthesizable molecular space. By modifying the fitness function, we demonstrate the effectiveness of SynGA on a variety of design tasks, including synthesizable analog search and sample-efficient property optimization, for both 2D and 3D objectives. Furthermore, by coupling SynGA with a machine learning-based filter that focuses the building block set, we boost SynGA to state-of-the-art performance. For property optimization, this manifests as a model-based variant SynGBO, which employs SynGA and block filtering in the inner loop of Bayesian optimization. Since SynGA is lightweight and enforces synthesizability by construction, our hope is that SynGA can not only serve as a strong standalone baseline but also as a versatile module that can be incorporated into larger synthesis-aware workflows in the future.
- Abstract（参考訳）: 分子設計における遺伝的アルゴリズムの有効性と合成可能性の重要性に着想を得て,合成経路を直接操作する単純な遺伝的アルゴリズムであるSynGAを提案する。
本手法は, 合成可能な分子空間に特異的に制限する, クロスオーバーと突然変異演算子を特徴とする。
適合度関数を変更することで、合成可能なアナログ探索やサンプル効率性最適化など、様々な設計課題におけるSynGAの有効性を2次元および3次元の両方の目的に対して示す。
さらに,SynGAと機械学習ベースのフィルタを結合することで,SynGAを最先端のパフォーマンスに拡張する。
プロパティ最適化のために、これはモデルベースのSynGBOとして現れ、SynGAとブロックフィルタリングをベイズ最適化の内側ループに採用している。
SynGAは軽量で、構築による合成性も強化していますので、SynGAは強力なスタンドアロンベースラインとしてだけでなく、将来的にはより大規模な合成対応ワークフローに組み込むことのできる汎用モジュールとしても機能したいと思っています。
関連論文リスト
- Scaling Laws of Synthetic Data for Language Models [132.67350443447611]
プレトレーニングコーパスを多種多様な高品質な合成データセットに変換するスケーラブルなフレームワークであるSynthLLMを紹介した。
提案手法は,グラフアルゴリズムを用いて複数の文書にまたがるハイレベルな概念を自動的に抽出し,再結合することで実現している。
論文 参考訳（メタデータ） (2025-03-25T11:07:12Z) - STAR: Synthesis of Tailored Architectures [61.080157488857516]
本稿では, 適合型アーキテクチャ (STAR) の新規な合成手法を提案する。
提案手法は線形入力可変系の理論に基づく新しい探索空間を結合し,階層的な数値エンコーディングをアーキテクチャゲノムに支持する。STARゲノムは,複数のモデル品質と効率の指標に最適化するために,勾配のない進化的アルゴリズムで自動的に精製・組換えされる。
STARを用いて、多種多様な計算単位と相互接続パターンを活用し、品質、パラメータサイズ、および自動回帰言語モデリングのための推論キャッシュのフロンティアにおける高度に最適化されたトランスフォーマーとストライプハイブリッドモデルを改善する。
論文 参考訳（メタデータ） (2024-11-26T18:42:42Z) - Syno: Structured Synthesis for Neural Operators [1.5826646053411249]
我々は,実用的なニューラル演算子合成を実現するために,エンドツーエンドのフレームワークであるSynoを開発した。
Synoは、さまざまなハードウェアとコンパイラの選択に対して、平均スピードアップが1.37時間$から2.06時間$のより良い演算子を見つけることを実証している。
論文 参考訳（メタデータ） (2024-10-31T09:00:24Z) - Procedural Synthesis of Synthesizable Molecules [22.905205379063148]
合成可能な分子の設計と、合成不可能な分子へのアナログの推奨は、分子発見を加速させる重要な問題である。
プログラム合成のアイデアを用いて,両問題を再認識する。
合成経路の空間を推論するための二段階のフレームワークを作成する。
論文 参考訳（メタデータ） (2024-08-24T04:32:36Z) - SynthAI: A Multi Agent Generative AI Framework for Automated Modular HLS Design Generation [0.0]
本稿では,HLS設計の自動化手法であるSynthAIを紹介する。
SynthAIはReActエージェント、Chain-of-Thought(CoT)プロンプト、Web検索技術、Retrieval-Augmented Generationフレームワークを統合している。
論文 参考訳（メタデータ） (2024-05-25T05:45:55Z) - SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation [55.2480439325792]
トピック分類,感情分析,トーン検出,ユーモアの6つのデータセットの合成について検討した。
その結果,SynthesizRRは語彙や意味の多様性,人文との類似性,蒸留性能を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2024-05-16T12:22:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。