AReUReDi: Aggiornamenti Rettificati Ricottati per Affinare Flussi Discreti con Guida Multi-Obiettivo

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

September 30, 2025

Autori: Tong Chen, Yinuo Zhang, Pranam Chatterjee

cs.AI

Abstract

La progettazione di sequenze che soddisfino obiettivi multipli e spesso conflittuali rappresenta una sfida centrale nell'ingegneria terapeutica e biomolecolare. I framework generativi esistenti operano principalmente in spazi continui con una guida a singolo obiettivo, mentre gli approcci discreti mancano di garanzie per l'ottimalità di Pareto multi-obiettivo. Introduciamo AReUReDi (Annealed Rectified Updates for Refining Discrete Flows), un algoritmo di ottimizzazione discreta con garanzie teoriche di convergenza verso il fronte di Pareto. Basandosi sui Rectified Discrete Flows (ReDi), AReUReDi combina la scalarizzazione di Tchebycheff, proposte localmente bilanciate e aggiornamenti di Metropolis-Hastings ricotti per orientare il campionamento verso stati Pareto-ottimali preservando l'invarianza distributiva. Applicato alla progettazione di sequenze peptidiche e SMILES, AReUReDi ottimizza simultaneamente fino a cinque proprietà terapeutiche (inclusa affinità, solubilità, emolisi, emivita e proprietà anti-adesione) e supera sia i metodi evolutivi che quelli basati sulla diffusione. Questi risultati stabiliscono AReUReDi come un potente framework basato su sequenze per la generazione di biomolecole con proprietà multiple.

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.