MIRRA：基于化学信息离散流匹配的快速高保真分子生成

在 AI 制药的版图中，药物分子的从头生成已从早期序列模型逐步走向成熟：循环神经网络可像语言模型那样生成分子结构，并通过微调富集针对特定靶点的分子库^[2]；强化学习随后被用于把生成器调向指定性质^[3]，ReLeaSE 将生成与预测网络联合训练以偏向期望的物理化学或生物学性质^[4]，REINVENT 4 等框架进一步整合迁移学习、强化学习与课程学习^[5]，多靶点 GPT 类模型也拓宽了任务谱系^[7]。但综述反复指出，分子表征与高精度评价指标仍是短板^[1][6]，而更现实的矛盾在于速度与化学保真度难以兼得：用化学构建块压缩分子图虽能减小图规模，却让每个节点成为数万种相近身份中的抉择，逐点预测身份概率代价高昂。流匹配路线在加速采样上已有先例，SemlaFlow 即报告采样时间最多改善 70 倍^[8]。

MIRRA 正是针对这一瓶颈的离散流匹配生成器。它利用化学知识，让化学特征在相近构建块之间共享信息，再用可学习的身份修正在分子语境中加以区分；采样时先决定哪些位置将被“刷新”，再仅对这些位置计算身份概率，既避免无用预测、保留每一次采样转移，又让词表中的全部化学身份在整个采样过程中保持可用。在 ZINC250k 上，与各任务最强基线相比，其化学分布误差降低 29–31%，图分布误差降低 53–60%，生成最多快 8.6 倍；性质定向任务下估计每秒多产出 7.8–20.8 倍的不同新颖命中分子；在留出的聚合物测试集上以已知链拓扑取得 100% 的周期有效性，而聚合物变分自编码器仅为 57.0%。

这项工作推进的关键一步，是把“计算花在哪里”交由模型决策：既不裁剪化学词表，也不为每个节点付出全量预测成本，从而在保真与速度之间不再二选一，并将同一框架的适用性从类药小分子延展到周期性聚合物这类传统生成模型易出错的体系。据报道，FragFM 等基于片段的离散流匹配框架也在探索相邻方向^[9]；另据开放评审页面的信息，MIRRA 的设置取得了更低的 FCD 与更短的中位生成时间^[10]。

需要提醒的是，这仍是未经同行评议的 arXiv 预印本，全部结论来自基准数据集，命中率提升为估计值，材料中也未见湿实验验证；其在真实药物设计管线中能否保持这一优势，以及领域长期缺乏的高精度评价体系^[1]，仍是悬而未决的问题。