ノイズ空間アライメントによるフローマッチングにおけるプロパティ制御「リワード・トランスポート」

人工知能で新しい化学物質の分子を生み出す研究が進んでいます。その中で、生成される分子の性質をコントロールすることが大きな課題でした。今回、研究者たちが提案した「リワード・トランスポート」という手法は、この課題を解決する新しいアプローチです。

従来の方法では、AIが分子を生成する際に、目的の性質（例えば薬効の強さや安全性）を達成するために、複雑な計算を何度も繰り返す必要がありました。しかし新しい手法では、ノイズ空間座標という数値を変えるだけで、生成される分子の性質を自由に調整できるということです。具体的には、学習時に最適なマッチング関係を記録し、推論時にはそれをスケールのように使うイメージです。

わかりやすく言えば、従来は「ダイヤルをいじってから毎回全体を計算し直す」ような手間がかかっていたのに対し、新しい方法は「つまみを回すだけで、瞬時に結果が変わる」という感覚に近いと考えられます。実験では、実際に分子の疎水性や安全性の指標を連続的に制御できることが確認されました。この「つまみ」のような制御性は、オラクル（正解データ）やリワードモデル（報酬を評価する別のAI）を必要としないため、計算量も大幅に削減できます。

背景として、生成AI技術は近年テキストや画像だけでなく、化学分野でも活用され始めています。特に新薬開発や材料科学では、膨大な候補から最適な分子を探す必要があり、AIの力が重要です。しかしただ数多く生成するだけでなく、「目的に合った性質を持つ分子を効率的に作る」ことが実用化の鍵となります。この研究は、その鍵をシンプルで使いやすい形で提供しているのです。