AReUReDi: Atualizações Retificadas Recozidas para Refinamento de Fluxos Discretos com Orientação 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

Resumo

Projetar sequências que atendam a múltiplos objetivos, muitas vezes conflitantes, é um desafio central na engenharia terapêutica e biomolecular. As estruturas generativas existentes operam principalmente em espaços contínuos com orientação de objetivo único, enquanto abordagens discretas carecem de garantias para a otimalidade de Pareto multi-objetivo. Apresentamos o AReUReDi (Annealed Rectified Updates for Refining Discrete Flows), um algoritmo de otimização discreta com garantias teóricas de convergência para a fronteira de Pareto. Baseando-se nos Fluxos Discretos Retificados (ReDi), o AReUReDi combina a escalarização de Tchebycheff, propostas localmente balanceadas e atualizações de Metropolis-Hastings temperadas para direcionar a amostragem para estados Pareto-ótimos, preservando a invariância distribucional. Aplicado ao projeto de sequências de peptídeos e SMILES, o AReUReDi otimiza simultaneamente até cinco propriedades terapêuticas (incluindo afinidade, solubilidade, hemólise, meia-vida e não-incrustação) e supera tanto as abordagens evolutivas quanto as baseadas em difusão. Esses resultados estabelecem o AReUReDi como uma estrutura poderosa, baseada em sequências, para a geração de biomoléculas com múltiplas propriedades.

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.