AReUReDi: Actualizaciones Rectificadas Recocidas para el Refinamiento de Flujos Discretos con Guía Multiobjetivo

AReUReDi: Annealed Rectified Updates for Refining Discrete Flows with Multi-Objective Guidance

September 30, 2025

Autores: Tong Chen, Yinuo Zhang, Pranam Chatterjee

cs.AI

Resumen

Diseñar secuencias que satisfagan múltiples objetivos, a menudo conflictivos, es un desafío central en la ingeniería terapéutica y biomolecular. Los marcos generativos existentes operan principalmente en espacios continuos con guía de un solo objetivo, mientras que los enfoques discretos carecen de garantías para la optimalidad de Pareto multiobjetivo. Presentamos AReUReDi (Actualizaciones Rectificadas Reforzadas para Flujos Discretos), un algoritmo de optimización discreta con garantías teóricas de convergencia al frente de Pareto. Basado en Flujos Discretos Rectificados (ReDi), AReUReDi combina la escalarización de Tchebycheff, propuestas localmente balanceadas y actualizaciones reforzadas de Metropolis-Hastings para sesgar el muestreo hacia estados óptimos de Pareto mientras preserva la invariancia distribucional. Aplicado al diseño de secuencias de péptidos y SMILES, AReUReDi optimiza simultáneamente hasta cinco propiedades terapéuticas (incluyendo afinidad, solubilidad, hemólisis, vida media y no ensuciamiento) y supera tanto a los enfoques basados en evolución como a los basados en difusión. Estos resultados establecen a AReUReDi como un marco poderoso basado en secuencias para la generación de biomoléculas con múltiples propiedades.

English

Designing sequences that satisfy multiple, often conflicting, objectives is a central challenge in therapeutic and biomolecular engineering. Existing generative frameworks largely operate in continuous spaces with single-objective guidance, while discrete approaches lack guarantees for multi-objective Pareto optimality. We introduce AReUReDi (Annealed Rectified Updates for Refining Discrete Flows), a discrete optimization algorithm with theoretical guarantees of convergence to the Pareto front. Building on Rectified Discrete Flows (ReDi), AReUReDi combines Tchebycheff scalarization, locally balanced proposals, and annealed Metropolis-Hastings updates to bias sampling toward Pareto-optimal states while preserving distributional invariance. Applied to peptide and SMILES sequence design, AReUReDi simultaneously optimizes up to five therapeutic properties (including affinity, solubility, hemolysis, half-life, and non-fouling) and outperforms both evolutionary and diffusion-based baselines. These results establish AReUReDi as a powerful, sequence-based framework for multi-property biomolecule generation.