За пределами открытия лекарств: Бенчмарк нанотехнологической молекулярной оптимизации (NMO)

Аннотация

Генеративный молекулярный дизайн формируется простыми прокси-бенчмарками для лекарственно-подобных свойств и моделями, предобученными на больших фармацевтических наборах данных. Такое сочетание обеспечивает высокие показатели бенчмарков, но ограничивает переносимость на области, структурно отличные от открытия лекарств. Чтобы преодолеть это ограничение и направить открытия в сторону реальных, научно обоснованных целей, мы представляем Бенчмарк молекулярной оптимизации для нанотехнологий (NMO), который объединяет машинное обучение (ML) и квантовое материаловедение. NMO одновременно действует как строгий испытательный полигон для сообщества ML и как механизм открытий для исследований в области нанотехнологий. Пакет заменяет прокси-оракулы квантовыми симуляциями и вводит строгие протоколы, которые ставят научную полезность выше переобучения, ориентированного на лидерские таблицы. Физически обоснованные задачи NMO налагают жесткие структурные ограничения и неровные ландшафты пригодности, предъявляя принципиально новые требования к генеративным моделям. Примечательно, что продвинутые методы молекулярной оптимизации показывают более низкие результаты по сравнению с гораздо более простыми подходами на задачах NMO. Мы разрабатываем новый базовый метод, определяющий критические компоненты для решения задач NMO, включая новое представление для моделирования структурных ограничений и доменно-агностическую стратегию предобучения для устранения смещения фармацевтических наборов данных. Наши результаты превосходят современные физические свойства и раскрывают ранее неизвестные структурные мотивы, предлагая новые идеи для сообщества нанотехнологий и демонстрируя, что ML может вести к подлинным научным открытиям.

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.