MolRGen: Neues Benchmark für KI-gestützte Molekülgenerierung ohne Vorwissen

In den letzten Jahren haben sich reasoning-basierte große Sprachmodelle (LLMs) als besonders leistungsfähig bei komplexen Problemlösungen erwiesen. Diese Fortschritte haben Forscher dazu angeregt, die Modelle in der Wirkstoffforschung und Molekülgestaltung einzusetzen. Doch bislang konzentrieren sich die meisten Ansätze entweder auf die Bewertung von Modellen oder erfordern ein überwacht­es Training mit bekannten Molekülpaaren, die bereits optimierte Eigenschaften besitzen. Solche Daten sind bei der de‑novo‑Molekülgenerierung – dem Ziel, völlig neue Verbindungen zu schaffen, die einen gewünschten Score maximieren – schlichtweg nicht vorhanden.

Um diese Lücke zu schließen, präsentiert MolRGen ein umfangreiches Benchmark‑Set und eine dazugehörige Datenbank, die speziell für das Training und die Evaluation von reasoning‑basierten LLMs im Bereich der de‑novo‑Molekülgenerierung entwickelt wurden. Das neue Setting ermöglicht es, Modelle sowohl zur Molekülgenerierung als auch zur Vorhersage von Eigenschaften zu trainieren, ohne auf vorgefertigte Labels angewiesen zu sein.

Ein Highlight des Projekts ist die Einführung eines diversitäts‑sensiblen Top‑k‑Scores, der gleichzeitig die Qualität und die Vielfalt der erzeugten Moleküle berücksichtigt. Darüber hinaus demonstriert MolRGen, wie ein 24‑Billionen‑Parameter‑LLM mittels Reinforcement Learning für die Molekülgenerierung trainiert werden kann. Die Autoren liefern eine detaillierte Analyse der Ergebnisse, zeigen die Stärken des Ansatzes auf und diskutieren gleichzeitig die bestehenden Einschränkungen.