Au-delà de la découverte de médicaments : le benchmark d'optimisation moléculaire par nanotechnologie (NMO)

Résumé

La génération moléculaire est façonnée par des indicateurs de substitution simples pour les propriétés de type médicament et des modèles pré-entraînés sur de vastes ensembles de données pharmaceutiques. Cette combinaison donne des métriques de référence élevées, mais limite la transférabilité à des domaines structurellement distincts de la découverte de médicaments. Pour surmonter cette limitation et orienter la découverte vers des cibles réelles et scientifiquement fondées, nous introduisons le benchmark d'optimisation moléculaire en nanotechnologie (NMO), qui fait le pont entre l'apprentissage automatique (ML) et la science des matériaux quantiques. NMO agit simultanément comme un banc d'essai rigoureux pour la communauté ML et un moteur de découverte pour la recherche en nanotechnologie. La suite remplace les oracles de substitution par des simulations quantiques et introduit des protocoles stricts qui privilégient l'utilité scientifique par rapport au surajustement axé sur les classements. Les tâches NMO basées sur la physique imposent des contraintes structurelles strictes et des paysages de fitness accidentés, posant des exigences fondamentalement nouvelles aux modèles génératifs. Notamment, les méthodes avancées d'optimisation moléculaire obtiennent des résultats inférieurs à ceux d'approches beaucoup plus simples sur les tâches NMO. Nous développons une nouvelle méthode de référence qui identifie les composants critiques pour résoudre les tâches NMO, incluant une nouvelle représentation pour modéliser les contraintes structurelles et une stratégie de pré-entraînement indépendante du domaine pour éliminer le biais des ensembles de données pharmaceutiques. Nos résultats surpassent les propriétés physiques de pointe et révèlent des motifs structurels jusqu'alors inconnus, offrant de nouvelles perspectives pour la communauté des nanotechnologies et démontrant que le ML peut conduire à une véritable découverte scientifique.

English

Generative molecular design is shaped by simple proxy benchmarks for drug-like properties and models pretrained on large pharmaceutical datasets. This combination yields strong benchmark metrics but limits transferability to domains structurally distinct from drug discovery. To overcome this limitation and drive discovery toward real, scientifically grounded targets, we introduce the Nanotechnology Molecular Optimization (NMO) Benchmark, which bridges machine learning (ML) and quantum materials science. NMO acts simultaneously as a rigorous testbed for the ML community and a discovery engine for nanotechnology research. The suite replaces proxy oracles with quantum simulations and introduces strict protocols that prioritize scientific utility over leaderboard-oriented overfitting. The physics-based NMO tasks impose hard structural constraints and rugged fitness landscapes, posing fundamentally new requirements on generative models. Notably, advanced molecular optimization methods underperform much simpler approaches on the NMO tasks. We develop a new baseline method identifying the critical components to solve the NMO tasks, including a novel representation for modeling structural constraints and a domain-agnostic pretraining strategy to eliminate pharmaceutical dataset bias. Our results surpass state-of-the-art physical properties and reveal previously unknown structural motifs, offering new insights for the nanotechnology community and demonstrating that ML can drive genuine scientific discovery.