Presentation Information
[2Yin-A-44]MolLIBRA: Genetic Molecular Optimization with Multi-Fingerprint Surrogates and Text-Molecule Aligned Critic
〇Masashi Okada1, Kazuki Sakai1, Hiroaki Yoshida1, Masaki Okoshi1, Tadahiro Taniguchi2 (1. Panasonic Holding Corp., 2. Kyoto University)
Keywords:
chemoinfomatics,Gaussian Process Regression,Genetic Algorithm
本稿では限られたオラクル評価回数下での分子最適化問題に対し，遺伝的アルゴリズムに複数の代理モデルを統合した MolLIBRA を提案する．MolLIBRA は，複数のフィンガープリントで定義されるガウス過程代理モデルと，タスク記述と分子の埋め込み類似度に基づく CLAMP 評価器により遺伝的アルゴリズムで生成された分子候補を事前に順位付け・選択し，高コストなオラクル評価を節約する．PMO-1K（評価回数 1000）22 タスクで，MolLIBRA は Top-10 AUC の指標で 14/22 タスクの最高性能と総合成績（全タスクの指標の総和）の最高値を達成した．