Mol-Debate: 分子設計における構造的推論の改善を多エージェントディスカッションがもたらす

arXiv:2604.20254v1 発表 タイプ: cross サマリー: テキスト指向な分子設計は、AI による創薬において極めて重要な能力ですが、厳密な化学制約下で、非線形な分子構造を連続的な自然言語指示に一致させ mappings を行うことは依然として挑戦的です。既存の多くのアプローチ（RAG、CoT プロンプティング、またはファインチューニング・強化学習など）は、ほとんどワンショットの生成パイプライン内で実装される、限られた数のアッドホックな推論視点に焦点を当てており、これらは現実的な創薬プロセスでは支離滅裂的です。現実世界の創薬では、意味的な意図と構造的実現可能性を調和させるために、動的で多角的な批判と反復的な改良に依存しています。この動機付けに基づき、私たちは、反復的な「生成-議論-修飾」ループを通じてそのような動的な推論を可能にする生成パラダイムである Mol-Debate を提案します。さらに、このパラダイムにおける主要な課題を特徴付け、開発者とディベート者の衝突、グローバル・ローカル構造的推論、そして静的・動的統合を包含する視点指向的なオーケストレーションを通じて解決に取組んでいます。実験により、Mol-Debate は強力な一般および化学ベースラインに対する最先鋭パフォーマンスを達成し、ChEBI-20 で 59.82% の正確な一致率、S$^2$-Bench で 50.52% の加重成功率を達成しました。コードは https://github.com/wyuzh/Mol-Debate に利用可能です。

arXiv:2604.20254v1 Announce Type: cross Abstract: Text-guided molecular design is a key capability for AI-driven drug discovery, yet it remains challenging to map sequential natural-language instructions with non-linear molecular structures under strict chemical constraints. Most existing approaches, including RAG, CoT prompting, and fine-tuning or RL, emphasize a small set of ad-hoc reasoning perspectives implemented in a largely one-shot generation pipeline. In contrast, real-world drug discovery relies on dynamic, multi-perspective critique and iterative refinement to reconcile semantic intent with structural feasibility. Motivated by this, we propose Mol-Debate, a generation paradigm that enables such dynamic reasoning through an iterative generate-debate-refine loop. We further characterize key challenges in this paradigm and address them through perspective-oriented orchestration, including developer-debater conflict, global-local structural reasoning, and static-dynamic integration. Experiments demonstrate that Mol-Debate achieves state-of-the-art performance against strong general and chemical baselines, reaching 59.82% exact match on ChEBI-20 and 50.52% weighted success rate on S$^2$-Bench. Our code is available at https://github.com/wyuzh/Mol-Debate.