[论文解读] Bayesian optimization with known experimental and design constraints for chemistry applications

Riley J. Hickman, Matteo Aldeghi+2 more|arXiv (Cornell University)|Mar 29, 2022

Machine Learning in Materials Science被引用 7

一句话总结

本文提出了一种增强的贝叶斯优化框架，专为化学应用而设计，通过直观的接口原生支持复杂且已知的实验与设计约束。该方法将约束整合到代理建模和获取函数中，在优化受约束的分子设计与反应条件方面表现出色，具有实际化学应用的相关性。

ABSTRACT

Optimization strategies driven by machine learning, such as Bayesian optimization, are being explored across experimental sciences as an efficient alternative to traditional design of experiment. When combined with automated laboratory hardware and high-performance computing, these strategies enable next-generation platforms for autonomous experimentation. However, the practical application of these approaches is hampered by a lack of flexible software and algorithms tailored to the unique requirements of chemical research. One such aspect is the pervasive presence of constraints in the experimental conditions when optimizing chemical processes or protocols, and in the chemical space that is accessible when designing functional molecules or materials. Although many of these constraints are known a priori, they can be interdependent, non-linear, and result in non-compact optimization domains. In this work, we extend our experiment planning algorithms Phoenics and Gryffin such that they can handle arbitrary known constraints via an intuitive and flexible interface. We benchmark these extended algorithms on continuous and discrete test functions with a diverse set of constraints, demonstrating their flexibility and robustness. In addition, we illustrate their practical utility in two simulated chemical research scenarios: the optimization of the synthesis of o-xylenyl Buckminsterfullerene adducts under constrained flow conditions, and the design of redox active molecules for flow batteries under synthetic accessibility constraints. The tools developed constitute a simple, yet versatile strategy to enable model-based optimization with known experimental constraints, contributing to its applicability as a core component of autonomous platforms for scientific discovery.

研究动机与目标

• 解决现有化学领域专用优化算法在处理实验与分子设计空间中相互依赖、非线性约束时缺乏灵活性的问题。
• 通过预先整合已知约束，避免不可行区域，实现在高通量化学研究中的高效数据驱动优化。
• 开发一个可推广的框架，扩展现有贝叶斯优化工具（Phoenics、Gryffin）以支持任意约束，同时不牺牲性能。
• 在两个真实的化学优化场景中展示实际应用价值：o-二甲苯基富勒烯加合物的受约束合成，以及用于液流电池的氧化还原活性分子设计。
• 提供一个软件集成解决方案，通过支持稳健的约束感知实验规划，推动化学领域自主科学发现平台的发展。

提出的方法

• 扩展Phoenics与Gryffin贝叶斯优化框架，通过灵活且用户友好的接口原生支持任意已知约束。
• 将约束建模为搜索空间中的隐式边界，使用避免采样不可行区域的约束获取函数。
• 将物理化学分子描述符（如分子量、拓扑极性表面积）作为输入特征，以引导代理模型并提升优化效率。
• 采用基于核函数的回归进行代理建模，并应用带约束的期望改进（C-EI）方法，在约束边界下平衡探索与开发。
• 采用多保真度与批量优化策略，加速高维与离散化学空间中的收敛。
• 利用Mordred工具包计算氧化还原单体候选物中R-基团的7维分子描述符，降低维度的同时保留构效关系。

实验结果

研究问题

• RQ1 贝叶斯优化能否在不牺牲样本效率的前提下，有效扩展以处理化学研究中复杂、非线性且相互依赖的实验与设计约束？
• RQ2 与无约束或启发式方法相比，整合已知的物理化学约束在分子设计与反应条件优化中如何提升优化性能？
• RQ3 分子描述符在多大程度上增强了贝叶斯优化在受约束化学空间中的预测能力与收敛速度？
• RQ4 在具有硬约束的真实化学优化任务中，所提出的框架能否优于标准优化基线（如随机搜索、遗传算法）？
• RQ5 该方法在多种约束类型下的鲁棒性如何，包括离散分子修饰与连续反应条件调节？

主要发现

• 扩展后的贝叶斯优化框架能够成功处理任意已知约束，包括非紧致与非凸域，且无需约束松弛或惩罚函数。
• 在o-二甲苯基富勒烯加合物合成任务中，该方法在少于20次实验内即实现了流反应条件下的最优产率，优于无约束基线。
• 在氧化还原活性分子设计中，采用分子描述符的Dynamic Gryffin相比Naive Gryffin，实现目标氧化还原电势与溶剂化自由能的命中率提高了30%。
• 使用物理化学描述符（如TopoPSA、nHeavyAtom、apol）提升了模型泛化能力，描述符与目标之间的皮尔逊相关系数最高达0.35。
• 即使不使用描述符的Naive Gryffin在受约束环境下仍优于随机搜索与遗传算法，但采用描述符的Dynamic Gryffin实现了最快收敛与最高目标值。
• 与无约束优化相比，该框架将失败实验数量（图S8中灰色区域）减少了50%以上，证明了在真实化学工作流程中更高的安全性和可行性。