樹狀路徑協調的多目標分子優化框架ATOM

研究論文提出一個名為ATOM的多代理框架，旨在解決多目標分子優化中面臨的挑戰。傳統方法通常依賴單一策略或固定標量化，在處理相互衝突的目標（如活性、合成可行性與ADMET相關性質）時，難以有效探索廣闊的化學空間，且早期設計決策會嚴重限制後續結果。ATOM將分子優化問題重新建構為樹狀結構的搜索過程，其中每個節點對應一個原子操作，並由一個專門負責特定目標或決策情境的代理負責。這些代理沿著樹的不同路徑進行協調，而非強制全局共識，從而使方法能夠維護並比較多條替代的分子演化軌跡。此外，框架透過全域記憶體儲存過去的優化行為，以支持在各目標間進行平衡的探索與利用。在涵蓋活性、合成可行性及ADMET相關性質的具挑戰性多目標基準測試中，實驗結果顯示，ATOM在Pareto覆蓋率和超體積等指標上，均一致優於現有的強力基線方法，驗證了路徑式多代理協調在分子優化中的有效性。相關程式碼已於指定平台公開。