CVT档案与化学嵌入度量用于分子设计中的多目标质量多样性
计算物理
2026-04-08 v1
摘要
非线性光学(NLO)材料对于光子技术至关重要,然而发现最优NLO分子需要在广阔化学空间中平衡多个相互竞争的目标。先前工作表明,基于网格档案的多目标MAP-Elites(MOME)能够为电光应用发现多样且高质量的分子。然而,均匀网格划分将档案容量浪费在化学上不可行的区域,同时欠采样高密度区域。我们采用基于质心Voronoi剖分(CVT)档案的MOME,其单元由通过UMAP降维的ChemBERTa-2多任务回归学习嵌入定义,捕获超越简单结构特征的化学相似性。我们研究了一个四目标NLO分子设计问题:最大化超极化率比,将HOMO-LUMO能隙和线性极化率约束在目标范围内,并最小化每原子能量。结果表明,CVT档案中基于嵌入的度量显著提高了中位全局超体积和多目标质量多样性得分,同时几乎填满了所有原生档案生态位。
引用
@article{arxiv.2604.05622,
title = {CVT Archives and Chemical Embedding Measures for Multi-Objective Quality Diversity in Molecular Design},
author = {Dominic Mashak and Jacob Schrum},
journal= {arXiv preprint arXiv:2604.05622},
year = {2026}
}