論文の概要: Navigating Route Latent Space for Synthesizable Molecular Design

• arxiv url: http://arxiv.org/abs/2610.07560v1
• Date: Tue, 06 Oct 2026 00:47:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.727489
• Title: Navigating Route Latent Space for Synthesizable Molecular Design
• Title（参考訳）: 合成可能な分子設計のための航路遅延空間
• Abstract要約: RouteFlowは、連続経路潜在空間の探索として合成可能な分子設計を再構築するフレームワークである。 合成可能性を考慮したベースライン間で,RouteFlowが最適なサンプル効率を実現することを示す。 また,提案したサイクル整合性は,目標特性を改善しつつ,1次元の最適化を確実に維持することを確認した。
• 参考スコア（独自算出の注目度）: 23.741120372131423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Goal-directed molecular design has advanced rapidly, yet a substantial proportion of designed molecules remain difficult to synthesize in practice, limiting their real-world utility. Prior synthesizability-aware methods either project generated molecules back to synthesizable analogs that deviate from the intended target, or optimize directly in discrete synthesis spaces that lack a continuous landscape for efficient search. We argue that this limitation mainly comes from the search space rather than the optimizer. To address this, we propose RouteFlow, a framework that reformulates synthesizable molecular design as a search over a continuous route latent space, where each latent maps back to a complete synthesis route and synthesizability is inherently preserved. To navigate this space, we adopt reward-guided flow matching as an efficient sampler that steers toward high-property regions. Since reward optimization may push latents off the manifold of real synthesis routes, where decoding becomes unreliable, we further introduce a cycle-consistency mechanism to stabilize fine-tuning. Across 16 optimization tasks from Therapeutic Data Commons, RouteFlow achieves the best sample efficiency among synthesizability-aware baselines, with the best synthetic accessibility and the highest retrosynthesis success rate. Our results also confirm that the proposed cycle-consistency reliably keeps optimization on-manifold while improving target properties, supporting effective synthesizable molecular discovery.
• Abstract（参考訳）: ゴール指向分子設計は急速に進歩しているが、設計された分子のかなりの割合は実際に合成することが困難であり、実際の実用性は制限されている。 従来の合成可能性認識法は、目的から逸脱する合成可能なアナログに分子を投影するか、より効率的な探索のために連続的な景観を持たない離散合成空間で直接最適化する。 この制限は主にオプティマイザではなく、検索スペースから来ていると我々は主張する。 そこで我々は,合成可能な分子設計を連続経路潜在空間上の探索として再構成するフレームワークであるRouteFlowを提案する。 この空間をナビゲートするために、我々は高純度領域に向けて操る効率的なサンプリング器として報酬誘導フローマッチングを採用する。 報酬最適化は、復号化が信頼性を損なうような実合成経路の多様体からラテントを逸脱させる可能性があるため、微調整を安定化するためのサイクル整合機構も導入する。 Therapeutic Data Commonsの16の最適化タスクのうち、RouteFlowは、合成可能性を認識したベースラインの中で、最高のサンプル効率を達成し、最高の合成アクセシビリティと最も高い再合成成功率を実現している。 また, 提案したサイクル整合性は, 目標特性を改善しつつ, 安定に最適化を保ち, 有効合成可能な分子発見を支援することを確認した。

関連論文リスト

• FLOW: Feature-Level Optimal Warping for Generalized Remote Physiological Measurement [57.28708273339219]
  リモート光麻痺は、非接触的な生理的測定を可能にするが、照明、運動、センサーからの領域シフトに弱いままである。 我々は、ドメイン一般化ミノグラフィーのための最適輸送駆動フレームワークである textbfFLOW (Feature-Level Optimal Warping) を提案する。
  論文  参考訳（メタデータ） (2026-09-30T04:00:12Z)
• From Feasible to Practical: Pareto-Optimal Synthesis Planning [0.0]
  現在のコンピュータ支援合成計画法では、1つの実現可能な経路が特定されると、レトロ合成が解決されることが多い。 この考え方は、化学者がコスト、持続可能性、毒性、全体的な収量といった競合する目標をバランスさせなければならない現実世界の実践と誤解している。 ユーザ定義基準間のトレードオフを明示的に捉えるために,経路のParetoフロントを生成するアルゴリズムであるMORetro*を導入する。
  論文  参考訳（メタデータ） (2026-05-08T09:53:30Z)
• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• A Genetic Algorithm for Navigating Synthesizable Molecular Spaces [34.11059107816963]
  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。
  論文  参考訳（メタデータ） (2025-09-25T03:33:30Z)
• Rethinking Molecule Synthesizability with Chain-of-Reaction [47.744071119775676]
  合成可能な投影のための生成フレームワークであるReaSynを紹介する。 大規模言語モデル(LLM)における推論経路に類似した合成経路を考慮した新しい視点を提案する。 CoR表記により、ReaSynは化学反応規則を明示的に学習する全ての反応ステップにおいて、密集した監督を受けることができる。
  論文  参考訳（メタデータ） (2025-09-19T15:29:57Z)
• A User-Tunable Machine Learning Framework for Step-Wise Synthesis Planning [9.502407569651321]
  MHNpathは、コンピュータ支援合成計画のための機械学習駆動の逆合成ツールである。 我々は、ChemByDesignの複雑な分子を含むケーススタディを通じて、その効果を実証する。 ケーススタディでは, グリーン溶媒を用いたより短く, 安価で, 温暖な経路を生成できることが判明した。
  論文  参考訳（メタデータ） (2025-04-03T00:23:21Z)
• Molecule Design by Latent Prompt Transformer [76.2112075557233]
  本研究は、分子設計の課題を条件付き生成モデリングタスクとしてフレーミングすることによって検討する。 本研究では,(1)学習可能な事前分布を持つ潜伏ベクトル,(2)プロンプトとして潜伏ベクトルを用いる因果トランスフォーマーに基づく分子生成モデル,(3)潜在プロンプトを用いた分子の目標特性および/または制約値を予測する特性予測モデルからなる新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T03:33:23Z)
• FusionRetro: Molecule Representation Fusion via In-Context Learning for Retrosynthetic Planning [58.47265392465442]
  再合成計画(Retrosynthetic Planning)は、開始物質から標的分子への完全な多段階合成経路を考案することを目的としている。 現在の戦略では、単一ステップの逆合成モデルと探索アルゴリズムの分離されたアプローチを採用している。 本稿では,文脈情報を利用した新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:44:58Z)
• Learning To Navigate The Synthetically Accessible Chemical Space Using Reinforcement Learning [75.95376096628135]
  ド・ノボ薬物設計のための強化学習(RL)を利用した新しい前方合成フレームワークを提案する。 このセットアップでは、エージェントは巨大な合成可能な化学空間をナビゲートする。 本研究は,合成可能な化学空間を根本的に拡張する上で,エンド・ツー・エンド・トレーニングが重要なパラダイムであることを示す。
  論文  参考訳（メタデータ） (2020-04-26T21:40:03Z)

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。