불균형 최적 운송 (Unbalanced Optimal Transport)을 통한 유연한 크기 설계를 위한 생성적 분자 모핑

생성적 분자 설계 (Generative molecular design)의 성공은 높은 보상을 가진 샘플을 향한 모델의 조종 가능성 (steerability)에 달려 있습니다. 많은 분자 특성 (molecular properties)이 본질적으로 분자 크기와 연결되어 있기 때문에, 특성과 원자 수의 결합 분포 (joint distribution)를 정확하게 포착하는 것이 필수적입니다. 그러나 현재의 확산 모델 (diffusion models) 및 흐름 기반 모델 (flow-based models)은 원자 수를 고정하며, 이는 궁극적으로 이러한 복잡한 관계를 탐색하는 능력을 제한합니다. 이를 해결하기 위해, 우리는 기하학적 그래프 (geometric graphs)에 기반하여 조건부 및 무조건부 3D 분자 설계를 수행하는 유연한 크기의 생성 모델인 Morph를 소개합니다. 크기를 동적으로 적응시킴으로써, Morph는 스캐폴드 (scaffolds)와 같은 기존의 구조적 사전 정보 (structural priors)를 원활하게 통합할 수 있으며 특성 조종 (property steering) 능력을 크게 향상시킵니다. 우리는 Morph가 현재의 고정 크기 최첨단 (state-of-the-art) 모델들과 대등한 성능을 보이면서도, 타의 추종을 불허하는 샘플링 유연성이라는 이점을 제공함을 보여줍니다. 또한 우리는 이전 모델들이 실패하는 영역에서 분포 외 생성 (out-of-distribution generation)을 입증함으로써, 분자 설계를 위한 향상된 생성 모델링의 길을 열었습니다.