← 返回 PaperDaily 视觉与图像

Yoshua Bengio团队提出S3-GFN：软约束GFlowNet让分子生成95%以上可合成！

Yoshua Bengio团队这次没走“硬核合成路线”的老路，而是搞了套软约束后训练，直接让AI生成的分子95%以上都能进实验室合成，还顺手把对接分数提到了新高度。分子设计终于要告别“纸上谈兵”了吗？来看看S3-GFN是怎么“软硬兼施”的！

龙哥读论文发布于 2026-08-19 00:20:08 阅读 4 查看原文

#AI应用 #AI医疗 #强化学习 #生成模型 #分子生成 #GFlowNet

Yoshua Bengio团队提出S3-GFN：软约束GFlowNet让分子生成95%以上可合成！

🐉 龙哥读论文知识星球来了！
公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～ xingqiu_header

龙哥推荐理由：
Yoshua Bengio团队这次没走“硬核合成路线”的老路，而是搞了套软约束后训练，直接让AI生成的分子95%以上都能进实验室合成，还顺手把对接分数提到了新高度。分子设计终于要告别“纸上谈兵”了吗？来看看S3-GFN是怎么“软硬兼施”的！

原论文信息如下：

论文标题:
Synthesizable Molecular Generation via Soft-constrained GFlowNets with Rich Chemical Priors

发表日期:
2026年02月

发表单位:
Mila - Quebec AI Institute, 蒙特利尔大学, KAIST, 印第安纳大学

原文链接:
https://arxiv.org/pdf/2602.04119v2.pdf

开源代码链接:
https://github.com/hyeonahkimm/s3gfn

龙哥今天要聊的这篇论文，给火热的AI分子设计泼了盆冷水，又递上一把新钥匙。很多AI模型生成的分子理论上打分高，但化学家一看就皱眉——这东西合成不出来。这篇由Yoshua Bengio团队联手Mila、KAIST等机构的最新工作，直接把这个痛点摆上台面，并用优雅的方式解决。

1. 可合成性，分子AI设计的阿喀琉斯之踵

在药物发现赛道上，AI生成小分子已不新鲜。但问题来了：这些AI“设计”的分子，真的能被合成吗？答案通常是“不能”。很多论文在模拟里分数漂亮，但一旦进入真实世界，分子要么不稳定，要么没有经济可行的合成路径。

为解决这个痛点，之前的学者想了反应型分子生成：让AI像“乐高大师”一样，只从预定义的化学“砖块”和反应“模板”里拼接分子。但这种方法灵活性和扩展性极差，动作空间会组合爆炸，且完全依赖固定模板，无法利用海量SMILES数据中学到的化学“常识”。

SMILES是一种用ASCII字符串表示分子结构的规范。大语言模型学习海量SMILES文本后能写出“通顺”的化学式，但学到的只是“语法”，不是“可合成性”。这篇论文的目标，就是教会模型生成的东西“不仅通顺，而且能造得出来”。

图1：通过软约束GFlowNet实现可合成SMILES生成（S3-GFN）概述。预训练的SMILES先验提供化学合理性，并通过相对轨迹平衡（RTB）持续参考。在策略更新仅对正样本使用RTB，而回放更新引入对比辅助损失，分离正负样本的同时保留共享子结构。

2. S3-GFN：用软约束“驯服”不可合成分子

Bengio团队提出了S3-GFN（Synthesizable SMILES via Soft-constrained GFlowNet），核心思想就四个字：软约束。它不是用死板规则“框住”AI，而是通过“教育”和“引导”，让AI自觉往可合成区域走，同时保留创造力。它结合了三股力量：一个“无所不知”的化学语言模型作为先验，一个“目标明确”的奖励函数，和一个“软约束”机制。

图2：具有可行性约束的欺骗性2D网格世界。(a) 目标分布，黑色格子表示不可行状态。(b) 仅使用可行训练学到的采样分布。(c) 使用辅助对比损失Laux学到的采样分布。

核心概念一：GFlowNets

GFlowNet本质上是一种强化学习框架，但目标不是最大化单一奖励，而是学会采样出多样化、高质量的候选集合。具体到分子生成，GFlowNet把生成SMILES字符串看作逐步决策过程，通过轨迹平衡（Trajectory Balance, TB）学习采样，保证高奖励分子被找到的概率更大。

S3-GFN的两阶段“驯服”过程

第一阶段：正向引导（On-policy Training）。模型像普通GFlowNet一样生成分子，但更新参数时只看“表现好”的分子——即可合成的分子。它使用相对轨迹平衡（RTB）目标，从预训练的化学先验出发，平滑转向高奖励区域。但如果模型“误入歧途”生成不可合成分子，光靠这个阶段无法改正。

第二阶段：有错必纠（Replay Training with Contrastive Loss）。模型维护两个“记忆库”：一个装“好孩子”（可合成分子，D+），一个装“坏孩子”（不可合成分子，D-）。回放训练时，同时从两个库抽取样本，应用对比辅助损失（Contrastive Auxiliary Loss），直接惩罚模型不要给“坏孩子”分配高概率。这个“软约束”从概率分布层面干预，避免了与奖励函数的冲突。

伪代码中的“驯服”逻辑

算法1展示了S3-GFN的完整流程：在策略更新时只奖励好孩子（正样本RTB），回放更新时通过对比损失惩罚坏孩子（辅助损失），从而软性地将概率质量引导至可合成区域。此外，论文还从记忆库中的好孩子“变异”出坏孩子，进一步强化对不可合成区域的“免疫”。

3. 从2D网格到真实药物：原理验证与实验效果

作者设计了一个2D网格世界来展示软约束的威力。图2显示：只用正样本训练（图b），模型在不可行区域依然分配概率；加入对比损失后（图c），模型干净利落地“绕开”了不可行区域。

实验结果一：sEH目标优化

图3：不同MDP在sEH任务上的比较。S3-GFN在AiZynthFinder上取得了更高的成功率，并发现了持续具有更高sEH评分的候选分子。

表1：S3-GFN在正样本比例高达0.945，前100个可合成分子的平均sEH得分和整体平均sEH得分上全面超越了基于反应的方法SynFlowNet (SFN)。

图4：在给定反应模板R和构件库M下，前2名候选分子的合成路径示例。

图9：对图4中前2名候选分子的AiZynthFinder结果，进一步验证了其可合成性。

表5：S3-GFN与其他基于SMILES的方法相比，在正样本比例和Top-100得分上同样表现优异。

实验结果二：基于结构的药物发现（SBDD）

在LIT-PCBA基准的五个蛋白靶点上，S3-GFN在分子对接得分上实现了对所有反应型方法的全面碾压。

表2：S3-GFN在平均Vina得分和AiZynthFinder成功率上均取得最佳成绩，成功率接近100%，远超其他方法。

图5：ALDH1对接结果（Top-3），分子与靶点空间显示出良好的形状互补性。

反应型方法在其自身模板空间内保证100%可合成，但用外部工具AiZynthFinder评估后，成功率暴跌到60%多。而S3-GFN通过软约束学到了更通用的可合成性知识，成功率接近100%。

4. 超越硬编码：灵活适应“千变万化”的约束

论文做了一个实验：将模型从标准的105个反应模板，切换到一个仅有32个反应、且施加了更多化学和毒性限制的约束集。结果S3-GFN仅用100步额外的后训练就能快速适应，在平均sEH得分、正样本比例和多样性指标上均优于使用了奖励塑形的基线方法。

表3：约束条件改变后，S3-GFN仅用100步额外后训练就能快速适应，优于奖励塑形方法。

图6：对比辅助损失能有效分离正负样本，同时保留Top-K正样本的log p(x)值。

表8：即使在更严酷的约束变化（只有15或10个可用反应）下，S3-GFN依然保持相对稳定的性能。

5. 低预算下对抗“贫瘠”搜索空间

在样本受限的PMO基准上，S3-GFN在GSK3β和DRD2两个Oracle任务中取得了最高的AUC Top-10分值，超过了所有基线方法。S3-GFN得益于其离策略训练的特点，能借助外部搜索算子优化自己的“记忆库”，在有限的“投资次数”下获得最高回报。

表4：在样本受限的PMO基准上，S3-GFN在GSK3β和DRD2任务中取得最高AUC Top-10分值。

图11：S3-GFN在有限的样本量下，Top-10平均奖励持续攀升，显著优于其他方法。

表10：引入变异负样本后，模型在GSK3β和DRD2上的表现进一步提升。

6. 总结与展望

S3-GFN的核心贡献，是证明了“软约束” + “后训练” + “丰富化学先验”这一策略的可行性和优越性。它没有建造通往化学合成的“高速公路”，而是在现有的SMILES“国道”上，通过“交通管制”和“导航”，高效地将车流引导到目的地。

当然，S3-GFN并非完美无缺。它对负样本质量的依赖度很高，如果“坏孩子”样本不具代表性，模型依然可能犯错。此外，在全新合成路径的探索上，可能还比不上不设约束的“野生”生成模型。未来，这种“软约束”思想有望扩展到可降解塑料分子、新材料等领域。

图10：S3-GFN生成的正样本分子示例。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文解决了什么问题？主要解决了基于SMILES的分子生成模型中，生成的分子虽然化学上合理但经常无法被合成的问题。S3-GFN在不依赖复杂硬编码反应模板的情况下，引导模型产生高比例（超过95%）且奖励得分更高的可合成分子。

GFlowNet 和普通的强化学习有什么区别？普通RL目标是找到最大化累计奖励的策略，通常输出少数最优解。GFlowNet学习一个策略，从目标分布中采样出多样化的、与奖励成正比的样本，尤其适合药物发现任务，因为不仅需要最好的分子，还需要许多高质量候选分子。

“对比辅助损失”大概是如何起作用的？对比损失训练一个评分员，给“可合成”卡片打出高关联度分数，给“不可合成”卡片打出低分，同时确保高相似度卡片不被搞混。公式L_aux = max(0, β + s(τ-) - s(τ+))确保模型给“好孩子”轨迹的得分至少比“坏孩子”高出一个margin β，否则产生损失，迫使模型区分。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

有效将软约束引入GFlowNet框架，对比辅助损失设计简洁有效，思路聪明。

实验合理度：★★★★★

实验设计完整，从概念验证到标准任务、约束变化、样本限制，对比基线新且具有代表性。

学术研究价值：★★★★☆

为将“可合成性”纳入生成模型提供了新范式，后训练阶段加入约束的思想值得借鉴。

稳定性：★★★☆☆

受限于负样本回放缓冲区质量，若没有足够代表性负样本，性能可能波动。

适应性以及泛化能力：★★★★☆

不同任务和约束变化下表现稳定，对约束变化的快速适应是重要亮点。

硬件需求及成本：★★★★☆

基于SMILES的序列生成模型，计算复杂度可控，后训练只需少量额外步骤。

复现难度：★★★★☆

代码已开源，提供详细环境配置和运行命令，复现门槛适中。

产品化成熟度：★★★☆☆

处于研究探索阶段，要融入现有药物研发Pipeline还需更广泛验证和工程化集成。

可能的问题：1. 对比损失系数α和margin β需手动调节。2. 对负样本回放缓冲区敏感度较高。3. 在探索全新化学空间的能力上可能不如硬约束或无约束模型。

主要参考文献

[1] Kim, H., et al. "Synthesizable Molecular Generation via Soft-constrained GFlowNets with Rich Chemical Priors." arXiv preprint arXiv:2602.04119v2 (2026).

[2] Yoshua Bengio, et al. "Generative Flow Networks." ICLR 2023.

[3] Cretu, M. et al. "SynFlowNet: Designing Molecules with Synthesis Pathways." 2025.

[4] Seo, S. et al. "RxnFlow: Integrating Synthesis Pathways into Molecular Design." 2025.

原文链接: https://arxiv.org/pdf/2602.04119v2.pdf

开源代码: https://github.com/hyeonahkimm/s3gfn

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见。欢迎就论文内容交流探讨，理性发言～想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！

生成分子总是不合成？S3-GFN送你“软约束”黑科技！欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如强化学习+蒙特利尔+Mila+龙哥），根据格式备注，可更快被通过且邀请进群。
wechat_helper