用于分布外发现的主动流扩展：从理论到分子

标准流量和扩散 预训练 与可用数据（例如分子）的分布相匹配，通常仅覆盖有效设计空间的一小部分。然而，在生成发现中，人们的目标是对有效的新自然设计进行抽样，在适合观察数据的标准模型下分配可忽略不计的概率，因此无法访问。为了克服这个限制，我们脱离了数据分布匹配，并通过其生成集来查看生成模型：它以不可忽略的概率覆盖的区域。这允许为分布外流建模引入新的学习原理：扩大模型的生成集以增加有效设计空间的覆盖范围。我们提出了主动流扩展（ActFlow），这是一种持续的 预训练 方法，该方法利用验证者反馈，通过迭代适应通过学习流表示中的主动探索生成的合成数据，将预训练模型扩展到新的有效区域。理论上，我们为分布外流建模建立了首创的统计学习保证，将生成集扩展分析为学习表示上的本地到全局可达性过程。根据经验，我们使用合适的分布外生成建模指标来评估 ActFlow，涵盖小有机分子、中型药物分子、治疗肽和蛋白质序列设计任务。结果表明，ActFlow 将有效覆盖范围扩展到远远超出初始预训练模型建模的区域，显着优于广泛采用的合成流 预训练 方法。