Além da Descoberta de Fármacos: O Benchmark de Otimização Molecular em Nanotecnologia (NMO)

Resumo

O design molecular generativo é moldado por benchmarks substitutos simples para propriedades semelhantes a fármacos e por modelos pré-treinados em grandes conjuntos de dados farmacêuticos. Essa combinação gera métricas de benchmark robustas, mas limita a transferibilidade para domínios estruturalmente distintos da descoberta de fármacos. Para superar essa limitação e direcionar a descoberta para alvos reais e cientificamente fundamentados, apresentamos o Benchmark de Otimização Molecular em Nanotecnologia (NMO), que une o aprendizado de máquina (ML) e a ciência dos materiais quânticos. O NMO atua simultaneamente como um ambiente de testes rigoroso para a comunidade de ML e como um motor de descoberta para a pesquisa em nanotecnologia. A suíte substitui oráculos substitutos por simulações quânticas e introduz protocolos estritos que priorizam a utilidade científica em detrimento do sobreajuste orientado a rankings. As tarefas do NMO, baseadas em física, impõem restrições estruturais rígidas e paisagens de adaptação acidentadas, estabelecendo requisitos fundamentalmente novos para modelos generativos. Notavelmente, métodos avançados de otimização molecular apresentam desempenho inferior a abordagens muito mais simples nas tarefas do NMO. Desenvolvemos um novo método de referência que identifica os componentes críticos para resolver as tarefas do NMO, incluindo uma nova representação para modelar restrições estruturais e uma estratégia de pré-treinamento independente de domínio para eliminar o viés de conjuntos de dados farmacêuticos. Nossos resultados superam as propriedades físicas do estado da arte e revelam motivos estruturais anteriormente desconhecidos, oferecendo novos insights para a comunidade de nanotecnologia e demonstrando que o ML pode impulsionar descobertas científicas genuínas.

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.