분자 최적화는 약물발굴, 재료설계, 촉매개발처럼 평가 비용이 큰 문제에서 특히 샘플 효율이 중요하다. arXiv 프리프린트로 올라온 이번 연구는, 생성 모델이 후보를 만들고 베이지안 최적화가 그중 유망한 분자를 고르는 구조를 결합한 SEGO(Sample Efficient Generative Optimization)를 제안한다. 핵심은 매 반복마다 확률적 대리모형이 유망 영역을 가정하고, 생성기가 그 주변의 후보 집합을 만들며, 획득함수가 하나를 고른 뒤 실제 오라클 평가가 다시 대리모형과 생성기를 보정하는 순환이다. 연구진은 먼저 제한된 평가 예산에서 얼마나 적은 호출로 좋은 후보를 찾는지가 실제 효용을 좌우한다고 본다. 특히 고충실도 오라클과 실험 측정은 비싸고, 느슨한 예산에 의존하면 저가·저충실도 오라클을 악용하는 문제가 생길 수 있다고 지적한다. SEGO는 이 한계를 줄이기 위해 SMILES 문자열 증강과 오라클 피드백 기반의 ‘앵커’ 갱신을 함께 사용한다. 증강은 같은 분자를 여러 표기로 학습시켜 대리모형의 표현 정렬을 돕고, 앵커는 진짜 보상에 맞춰 생성기를 붙잡아 둔다.
설계 검증에서는 MW 350 Da 미만, 고리 2개 이상, tPSA 최대화라는 다중목표 과제를 100회 오라클 호출 예산으로 다뤘다. 이 예산은 기존 설정보다도 더 엄격한 수준으로, 10개 시드 전체에서 평가했다. 이 실험에서 기본 앵커 초기화는 10개 중 9회에서 히트를 찾았고, 1개 히트까지의 오라클 부담은 평균 23회였다. 같은 조건의 순차적 연속 초기화는 히트 수는 비슷했지만 OB1이 40±27으로 들쭉날쭉했고, 사전학습 prior만 쓰는 초기화는 대부분 히트를 만들지 못했다.
증강 효과도 분명했다. 증강이 1배일 때는 yield가 33±16, OB1이 45±22였지만, 5배에서는 yield 65±6, OB1 25±7로 좋아졌다. 10배는 yield 67±6, OB1 22±7로 가장 낮은 호출 부담을 보였고, 20배에서는 yield 55±21, OB1 25±10으로 되레 성능이 줄었다. 논문은 분자별 예측 범위가 좁아지고 상관이 좋아지는 현상이 5배 이상에서 두드러지지만, 추가 증강의 이득은 점차 둔화된다고 설명한다.
다양성 붕괴를 다룬 실험에서는, 히트가 주로 같은 분자식의 이성질체로 몰리는 경향이 드러났다. 기준 SEGO는 59±25개의 고유 분자를 만들었지만 고유 이성질체 수는 12±9개에 그쳤다. 이를 완화하려고 기대개선의 incumbent에 ξ=0.05 또는 0.1을 더하고, 이성질체 필터를 결합했다. ξ=0.05와 이성질체 필터를 함께 쓰면 yield 63±9, Isomers 46±14, #Circles 6±3이었고, ξ=0.1과 필터 조합에서는 Isomers 52±6, #Circles 7±3으로 더 늘었다.
PMO 벤치마크에서는 23개 오라클 과제를 대상으로 top-1과 top-10 AUC를 봤다. SEGO는 비교법들이 1,000회 예산을 쓰는 조건과 달리 100회 오라클 호출만으로 후보를 제안한 뒤, 그 이후의 점수는 고정해 1k 및 10k 구간까지 계산했다. top-1 기준에서 SEGO는 다른 방법들보다 훨씬 적은 예산으로도 최고 수준 성능을 보였고, top-10에서도 경쟁력을 유지했다. 특히 같은 생성·최적화 계열인 GP BO보다 훨씬 적은 호출로 높은 점수를 냈다.
| 비교 대상 | 핵심 수치 | 조건/예산 | 원문 위치 |
|---|---|---|---|
| 앵커 초기화 | yield 57±22, OB1 23±6 (9), OB5 30±7 (9) | MW<350 Da·rings≥2·tPSA 최대화, 100 oracle calls, 10 seeds | Table 1 |
| SMILES 증강 1배 | yield 33±16, OB1 45±22, OB5 61±17 | 100 oracle calls, 10 seeds | Table 2 |
| SMILES 증강 10배 | yield 67±6, OB1 22±7, OB5 29±6 | 100 oracle calls, 10 seeds | Table 2 |
| SEGO | yield 63±9, OB1 24±8, OB5 32±7 | PMO-1k, 100 oracle calls 후 top-1/top-10 고정, 3 seeds | Table 3 / Table A3 |
자료: STORIUM 정리
도킹 과제에서는 10개의 히트를 찾는 데 기존 접근의 절반가량 호출이 들었다고 보고했다. 초록과 본문 요약을 종합하면, SEGO는 PMO에서 1/10 오라클 호출로, 다중 파라미터 도킹에서는 기존 방법의 약 절반 호출로 목표 히트를 찾는 쪽으로 결과가 정리된다. 이 연구는 아직 동료심사를 거치기 전의 초기 공개본이지만, 고가의 실험 피드백에 더 가까운 분자 최적화 흐름으로 옮겨 가는 가능성을 실증 범위 안에서 보여준다.
저작권자 © STORIUM 무단전재 및 재배포 금지
