EvoSyn: Bridging LLM Reasoning and Chemical Knowledge via an Evolutionary Multi-Agent Framework for Molecular Synthesis

分子合成のためのLLM推論×化学検証を橋渡しする進化的マルチエージェント枠組み — Chen, Rao, Xie, Sun, Yang (Sun Yat-sen Univ.) / bioRxiv 2026

🎯 LLMの言語推論と厳密な化学検証を「協調進化＋Markov Game自己進化」で結合し、生体活性かつ設計段階から合成可能な分子を生成する。

① 背景と課題

10^60超の薬理活性分子からなる広大な化学空間を探索しつつ、生成分子の実験的合成可能性を保証することが創薬の根本課題。深層生成モデルは探索は速いが「作れない分子」を量産し、有望候補がin-silicoに閉じ込められる。

従来ドメインモデルは小規模データに制約され汎用化学文脈に乏しい

LLMは合成知識を内包するがハルシネーションで合成不能構造を生成

LLM＋外部ツールは疎結合で、誤りを動的修正する共有フィードバックループがない

→ 「失敗から学ぶ」進化機構と厳密な化学検証をLLMに統合する必要がある

② 手法の概要: EvoSyn 二重進化パラダイム

4専門エージェント（嗜好解釈φ・合成計画ψ・推論応答ρ・整合性評価ξ）。協調進化=ξのフィードバックδで反復精製(τ→δ→λ→τ')。自己進化=逆反応テンプレ選択をMarkov Game化し、4サブエージェント(類似度/活性/合成容易性/薬らしさ)をGRPOで最適化。商用building blockまで分解し設計段階で合成可能性を保証。

③ 本研究で示したこと

分子合成をMarkov Gameとして定式化しGRPOで自己進化（多目的RL）
4エージェントの協調進化で活性vs合成容易性等の競合目的を実時間整合
再構成・QA・リード最適化の全ベンチでSOTA達成
新ベンチマークSynQA(Basics 986問/Design 240問)を構築・公開

④ 主な結果 (a) 再構成率

④ 主な結果 (b) 機構QA精度

④ 主な結果 (c) 嗜好計画MRR

④ 主な結果 (d) リード最適化

⑤ テイクホームメッセージ

合成可能性を設計に内在化
逆合成Markov Gameで商用building blockまで分解、仮想ヒットでなく作れるリードを生成

失敗から学ぶ自己進化
GRPOで4サブエージェントを多目的最適化、w/o RLで大幅性能低下を確認

協調進化で競合目的を整合
優先度α・scale λで活性/合成/薬らしさを動的トレードオフ、ξの反復精製でハルシネーション抑制

全タスクでSOTA
再構成83.7%(+21.1%)、SynQA-Basics 0.898、Vina平均-11.0(+2.08)

既存手法との比較

手法	合成保証	多目的トレードオフ	失敗から学習(RL)	Recons. %
SynNet/SynFormer	テンプレ組立	×	×	66.1
SynLlama (LLM)	テキスト生成	限定的	×	69.1
ChemCrow (agent)	外部ツール疎結合	限定的	×	—
EvoSyn (本研究)	逆合成MarkovGame	α/λで動的	GRPO自己進化	83.7

本研究のインパクト

生成と合成の乖離を埋め、合成可能な活性分子を設計段階で保証する新パラダイムを提示
分子合成のMarkov Game定式化＋GRPOにより、LLMエージェントの「失敗からの学習」を実現
計算報酬(Vina)依存が限界、今後は多段合成・実験検証への拡張が課題