PropertyDAG：面向生物序列设计的偏序混合变量性质多目标贝叶斯优化

贝叶斯优化为在生物序列的广阔设计空间中导航探索-利用权衡提供了样本高效框架。尽管可使用多目标采集函数（如期望超体积改进（EHVI））联合优化各种感兴趣的性质，但该方法未考虑具有层级依赖结构的对象。我们考虑一个常见用例：根据对象中指定的$\textit{偏序}$，帕累托前沿的某些区域优先于其他区域。例如，在设计抗体时，我们仅当抗体能在活细胞培养中表达时才希望最大化对靶抗原的结合亲和力——这建模了实验依赖关系，即仅能对可表达并以可行量生产的抗体测量亲和力。一般而言，我们可能希望赋予性质以偏序，使得每一性质在其父性质满足某可行性条件的前提下被优化。为此，我们提出 PropertyDAG，一个在传统多目标 BO 之上运行以对对象施加所需序关系（如 表达 $\rightarrow$ 亲和力）的框架。我们在青霉素生产任务、玩具数值问题及真实世界抗体设计任务上的多个模拟主动学习迭代中展示了其性能。