AReUReDi: Отжиг с исправленными обновлениями для уточнения дискретных потоков с многокритериальным управлением

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

September 30, 2025

Авторы: Tong Chen, Yinuo Zhang, Pranam Chatterjee

cs.AI

Аннотация

Создание последовательностей, удовлетворяющих множественным, зачастую противоречивым целям, является ключевой задачей в терапевтической и биомолекулярной инженерии. Существующие генеративные подходы в основном работают в непрерывных пространствах с одноцелевым управлением, в то время как дискретные методы не обеспечивают гарантий Парето-оптимальности для множества целей. Мы представляем AReUReDi (Annealed Rectified Updates for Refining Discrete Flows) — алгоритм дискретной оптимизации с теоретическими гарантиями сходимости к фронту Парето. Основанный на Rectified Discrete Flows (ReDi), AReUReDi сочетает чебышёвскую скаляризацию, локально сбалансированные предложения и отжигаемые обновления Метрополиса-Хастингса для смещения выборки в сторону Парето-оптимальных состояний при сохранении инвариантности распределения. Примененный к проектированию пептидных и SMILES-последовательностей, AReUReDi одновременно оптимизирует до пяти терапевтических свойств (включая аффинность, растворимость, гемолиз, период полураспада и антиадгезионные свойства), превосходя как эволюционные, так и диффузионные базовые методы. Эти результаты подтверждают AReUReDi как мощный последовательностный фреймворк для генерации биомолекул с множественными свойствами.

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.