Beyond Drug Discovery: The Nanotechnology Molecular Optimization (NMO) Benchmark

Generative molecular design is shaped by simple proxy benchmarks for drug-like properties and models pretrained on large pharmaceutical datasets. This combination yields strong benchmark metrics but limits transferability to domains structurally distinct from drug discovery. To overcome this limitation and drive discovery toward real, scientifically grounded targets, we introduce the Nanotechnology Molecular Optimization (NMO) Benchmark, which bridges machine learning (ML) and quantum materials science. NMO acts simultaneously as a rigorous testbed for the ML community and a discovery engine for nanotechnology research. The suite replaces proxy oracles with quantum simulations and introduces strict protocols that prioritize scientific utility over leaderboard-oriented overfitting. The physics-based NMO tasks impose hard structural constraints and rugged fitness landscapes, posing fundamentally new requirements on generative models. Notably, advanced molecular optimization methods underperform much simpler approaches on the NMO tasks. We develop a new baseline method identifying the critical components to solve the NMO tasks, including a novel representation for modeling structural constraints and a domain-agnostic pretraining strategy to eliminate pharmaceutical dataset bias. Our results surpass state-of-the-art physical properties and reveal previously unknown structural motifs, offering new insights for the nanotechnology community and demonstrating that ML can drive genuine scientific discovery.

한 줄 요약

NMO 벤치마크는 나노기술 분자 설계를 위한 ML-물리학 통합 평가 시스템으로, 기존 약물 발견 중심 접근의 한계를 극복한다.

핵심 기여도

NMO 벤치마크 도입: 나노기술 분야(열전, 열전도, 분자 옵토메커니스)에서 ML 모델의 과적합 방지 및 과학적 유틸리티를 강조.
GGS(Graph Group SELFIES) 도입: 전극 결합을 내장한 분자 표현 방식으로, 화학적으로 유효하고 합성 가능성을 보장.
합성 사전 학습 데이터셋(300,000개 랜덤 그래프) 사용: 약물 데이터셋 편향 제거.
Genetic GFN 기반 베이스라인: GGS, 트랜스포머, 안정성 제어 기법 통합하여 NMO 태스크에서 최고 성능 달성.

핵심 아이디어

기존 분자 생성 모델은 약물 유사성 중심의 간단한 프록시 오라클과 대규모 약물 데이터셋에 의존하여, 실제 과학적 목표와는 거리가 멀다. 이에 반해 NMO는 양자 물리학 기반의 **하드 구조적 제약**과 **복잡한 피트니스 랜드스케이프**를 도입하여 ML 모델이 진정한 과학적 발견을 가능하게 한다. 특히, **Genetic-GFN**과 **GGS**를 결합한 새로운 베이스라인은 기존 SMILES 기반 모델이 해결하지 못한 **양면 금 결합 구조** 문제를 해결하며, 합성 가능성과 과학적 유틸리티를 동시에 보장한다.

기술적 접근법

**GGS**(Graph Group SELFIES): 전극 결합을 내장한 분자 표현 방식.
**합성 사전 학습**: 300,000개의 랜덤 그래프를 기반으로 모델이 화학적 유효성 학습.
**트랜스포머 아키텍처**: RNN 대신 현대적 딥러닝 표준으로 채택.
**안정성 제어 기법**:
**Dynamic Cooldown (DCD)**: 무효 분자율 증가 시 유효 구문 재노출로 학습 안정화.
**Dynamic Exploration (DEX)**: 샘플 분포 평탄화로 모드 콜랩스 방지.
**Descriptor Injection**: 분자 특성 예측을 통한 구조-특성 관계 학습.

주요 결과

**Genetic-GFN + GGS**가 NMO의 세 태스크(Phonon, Thermoelectric, Molecular Optomechanics)에서 기존 방법들(예: GenMol, f-RAG, REINVENT)보다 높은 AUC와 피트니스 점수를 기록.
**SMILES 기반 모델**은 특히 **TE(열전)**, **PH(열전도)** 태스크에서 **GGS 전환 시 AUC 50% 이상 증가**.
**GGS**는 **양면 금 결합 구조**를 정확히 모델링하여 **모든 태스크에서 합성 가능성(SA) 점수 개선**.
**REINVENT**는 GGS 전환 시 TE 태스크에서 **AUC 30% 증가**, PH에서는 **0% 성능** 유지.

의의 및 한계

NMO는 ML 모델이 과학적 목표에 기반한 진정한 분자 설계를 수행할 수 있음을 입증하며, 나노기술 분야에서 ML의 활용 가능성을 확장한다. 특히, **GGS**와 **합성 사전 학습**은 약물 중심 편향을 제거하고, **신뢰성 있는 합성 가능성**을 보장하는 데 기여한다. 그러나, **NMO 태스크는 피트니스 랜드스케이프가 매우 복잡**하여, 기존 최적화 알고리즘(예: 유전자 알고리즘)보다 ML 모델이 우수한 성능을 내는 경우가 드물며, **모든 태스크에서 최고 성능을 달성하는 모델은 아직 없음**.

실용적 활용

NMO는 **열전 소자**, **열 절연 구조**, **THz 감지 분자** 설계 등 나노기술 분야의 **역방향 설계**(inverse design)에 활용 가능하다. 특히, **GGS 기반 모델**은 **실험실에서 즉시 합성 가능한 분자**를 생성하여, **신약 개발 외의 분자 설계 분야**에서 실용적 가치를 제공한다.