論文の概要: Closed-Loop Bayesian Molecular Inverse Design with Semantic LLM Surrogates

• arxiv url: http://arxiv.org/abs/2608.22967v1
• Date: Mon, 24 Aug 2026 08:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.992562
• Title: Closed-Loop Bayesian Molecular Inverse Design with Semantic LLM Surrogates
• Title（参考訳）: セマンティックLCMサロゲートを用いた閉ループベイズ分子逆設計
• Abstract要約: 提案手法は,ジェネレータではなくサロゲートを設計選択の要点として扱う閉ループフレームワークである textbfmethod を提案する。 提案手法はワンショットプロンプトよりも改善し,GPベースのBOベースラインと競合するか,あるいは強固であるかを示し,ドメイン依存インタフェースを明らかにする。
• 参考スコア（独自算出の注目度）: 19.28769034199183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Practical molecular inverse design is rarely a one-shot generation problem; it often takes the form of closed-loop candidate-pool enrichment, where under a limited oracle budget the goal is to \emph{increase the fraction of generated molecules that match a desired property profile}. Bayesian optimization (BO) offers a natural framework for this setting, yet standard Gaussian-process surrogates typically operate in compressed continuous embeddings, which discard the substructural and reference-similarity signals that chemists naturally use to decide where to look next. We propose \textbf{\method}, a closed-loop framework in which the surrogate, rather than the generator, is treated as the locus of design choice, and instantiate it with a frozen large language model that reasons directly over the task instruction, SMILES-level optimization history, and oracle feedback in their native textual form. At each iteration, the surrogate returns a structured decision signal that selects informative reference molecules under an exploration and exploitation principle, optionally with a concise guidance sentence. This signal is converted into next-round conditioning text for a frozen molecular generator, yielding an inspectable optimization trace in natural language. Experiments on MolQA drug and material design tasks show that \method improves over one-shot prompting, is competitive with or stronger than GP-based BO baselines, and reveals a domain-dependent interface: reference-only transfer works best for binary drug targets, while adding a concise surrogate summary is more beneficial for continuous material
• Abstract（参考訳）: 実用的分子逆設計は単発生成問題として稀であり、しばしば閉ループ候補プール濃縮の形式を取るが、限られたオラクル予算の下では、所望の特性プロファイルに一致する生成分子の分数を増やすことが目的である。 ベイズ最適化(BO)は、この設定のための自然なフレームワークを提供するが、標準的なガウス過程のサロゲートは通常、圧縮された連続埋め込みで動作し、化学者が次に見る場所を決定するために自然に使用する構造的および参照相似的な信号を捨てる。 生成元ではなくサロゲートを設計選択の軌跡として扱うクローズドループフレームワークである‘textbf{\method} を提案し,タスク命令やSMILESレベルの最適化履歴,オラクルからのフィードバックを直接処理するフリーズした大規模言語モデルでインスタンス化する。 各イテレーションにおいて、サロゲートは構造化された決定信号を返す。これは探索と利用の原則の下で情報的参照分子を、任意に簡潔なガイダンス文で選択する。 この信号を冷凍分子発生器の次ラウンド条件テキストに変換し、自然言語で検査可能な最適化トレースを生成する。 MolQA薬物および材料設計タスクの実験では、Shamethodはワンショットプロンプトよりも改善し、GPベースのBOベースラインと競合するか、あるいは強いことが示され、ドメイン依存インターフェースが明らかにされている。

関連論文リスト

• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• Be Your Own Teacher: Steering Protein Language Models via Unsupervised Reward Optimization [85.4863852505905]
  タンパク質言語モデル(PLM)の教師なし報酬最適化を導入する。 我々の重要な洞察は、本質的なモデルの不確実性とタンパク質表現モデルによって誘導される意味的整合性を組み合わせたタスク非依存報酬は、ベースモデルと温度レギュレーションの制御可能性指標と強い相関を示すことである。 我々のフレームワークは、ラベル付けされた好みや実験的なフィードバックが不足したり、利用できないような環境で、制御可能な生体分子設計へのスケーラブルな経路を提供する。
  論文  参考訳（メタデータ） (2026-06-17T11:42:01Z)
• Hacking Generative Perplexity: Why Unconditional Text Evaluation Needs Distributional Metrics [49.443264461057645]
  拡散および連続フローベースの言語モデルは、言語モデリングに対する非自己回帰的な主要な代替手段として現れている。 両方のパラダイムの進歩は、生成的複雑度(gen-PPL)によって圧倒的に追跡される。 我々は、この指標は正しくないと主張している。構築により、gen-PPLは、文法性やセマンティックコヒーレンスではなく、スコアARの下でのみ予測可能性を測定する。
  論文  参考訳（メタデータ） (2026-06-07T02:35:56Z)
• MolLingo: Molecule-Native Representations for LLM-Powered Scientific Agents [57.28652712579434]
  分子設計を自動化するために化学者の推論過程をエミュレートするマルチエージェントシステムであるMolLingoを提案する。 MolLingoは、共有メモリモジュールを通じて、文学エージェント、化学エージェント、オーケストレーションをコーディネートすることで、この問題に対処する。 初期治療設計におけるケーススタディとして、MolLingoは、結合部位の幾何学と残基レベルのタンパク質コンテキストにおけるChemist Agentの推論を根拠にしている。
  論文  参考訳（メタデータ） (2026-05-27T02:11:23Z)
• Reading the Cell, Designing the Cure: Perturbation-Conditioned Molecular Diffusion for Function-Oriented Drug Design [44.10737234024424]
  生成的逆問題としてemphTranscriptome-based Drug Design (TBDD) を定式化した。 textbfthemodel (A textbfCelltextbfUlar textbfResponse textbfEngine) を提案する。
  論文  参考訳（メタデータ） (2026-05-14T07:17:10Z)
• Reference-guided Policy Optimization for Molecular Optimization via LLM Reasoning [58.644854860003704]
  大規模言語モデル(LLM)は、教師付き微調整(SFT)と、推論タスクにおける検証可能な報酬(RLVR)による強化学習の恩恵を受ける。 基準分子上の応答のみのSFTは推論を崩壊させ、RLVRは類似性制約下でスパースフィードバックを提供する。 本稿では、軌道データを必要としない参照分子から学習する最適化手法である参照誘導政策最適化(RePO)を紹介する。
  論文  参考訳（メタデータ） (2026-03-06T04:39:08Z)
• Unified Multimodal Brain Decoding via Cross-Subject Soft-ROI Fusion [0.0]
  マルチモーダル脳デコーディングは、fMRIのような脳活動信号から視覚刺激と整合した意味情報を再構成することを目的としている。 我々は,NSDデータセットを用いた脳機能評価において,ブレインROIモデルを提案し,トップレベルの結果を得る。 クロスオブジェクト設定では、最近の最先端の手法や代表的ベースラインと比較して、BLEU-4やCIDErのようなメトリクスは明らかに改善されている。
  論文  参考訳（メタデータ） (2025-12-23T11:04:34Z)
• SURGIN: SURrogate-guided Generative INversion for subsurface multiphase flow with quantified uncertainty [9.423344821042933]
  SURrogate-guided Generative Inversion framework for assimilation multiphase flow data。 SurGINはゼロショット条件生成機能を備えており、タスク固有のリトレーニングなしで、目に見えない監視データのリアルタイム同化を可能にする。 代用誘導ベイズ推論による生成学習を統一することにより、SURGINはパラメトリック汎函数空間における逆フローモデリングと不確実性定量化のための新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-09-16T15:42:22Z)
• PLaID++: A Preference Aligned Language Model for Targeted Inorganic Materials Design [0.1408690282236036]
  安定かつ特性誘導型結晶生成のためのLLMポストトレーニングであるPLaID++を紹介する。 結晶学的な表現と報酬の定式化にパフォーマンスのヒンジがあることがわかった。
  論文  参考訳（メタデータ） (2025-09-08T18:57:57Z)
• Text-Guided Multi-Property Molecular Optimization with a Diffusion Language Model [20.250683535089617]
  変換器を用いた拡散言語モデル(TransDLM)を用いたテキスト誘導多目的分子最適化手法を提案する。 物理的、化学的に詳細なセマンティクスを特異的な分子表現と融合することにより、TransDLMは様々な情報ソースを効果的に統合し、正確な最適化を導く。
  論文  参考訳（メタデータ） (2024-10-17T14:30:27Z)
• Accelerating Black-Box Molecular Property Optimization by Adaptively Learning Sparse Subspaces [0.0]
  提案手法は,様々なベンチマークや実世界の問題において,既存のMPO手法よりも大幅に優れていることを示す。 具体的には,100ドル未満のクエリで100ドル以上の代替品の集合から,ほぼ最適分子を定期的に見つけることができることを示す。
  論文  参考訳（メタデータ） (2024-01-02T18:34:29Z)
• Retrieval-based Controllable Molecule Generation [63.44583084888342]
  制御可能な分子生成のための検索に基づく新しいフレームワークを提案する。 我々は、与えられた設計基準を満たす分子の合成に向けて、事前学習された生成モデルを操るために、分子の小さなセットを使用します。 提案手法は生成モデルの選択に非依存であり,タスク固有の微調整は不要である。
  論文  参考訳（メタデータ） (2022-08-23T17:01:16Z)

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。