SEISMO：使用轨迹感知 LLM 代理提高分子优化中的样本效率

优化分子结构以获得所需的特性是整个化学科学的中心瓶颈，特别是在制药行业，它是新药发现的基础。由于分子特性评估通常依赖于昂贵且速率受限的预言机（例如实验测定），因此分子优化必须具有高度的样本效率。为了解决这个问题，我们引入了 SEISMO，这是一种 LLM 代理，它严格在线执行推理时间分子优化，在每次预言机调用后进行更新，而不需要基于群体或批量学习。 SEISMO 将每个提案置于完整的优化轨迹上，将自然语言任务描述与标量分数以及结构化的解释性反馈（如果有）相结合。在 23 项任务的实用分子优化基准中，SEISMO 的优化曲线下面积比之前的方法高出 2-3 倍，通常在 50 次预言机调用内达到接近最高的任务分数。我们的额外药物化学任务表明，提供解释性反馈进一步提高了效率，证明利用领域知识和结构化信息是样品高效分子优化的关键。