Naukowcy pracujący nad sztuczną inteligencją zaproponowali nowatorskie podejście do optymalizacji molekuł. Nowy system o nazwie ATOM wykorzystuje wieloagentową architekturę do radzenia sobie z jednym z najtrudniejszych wyzwań w chemii obliczeniowej: jednoczesnym optymalizowaniem molekuł pod względem wielu, często sprzecznych celów. Tradycyjne metody opierają się na jednej polityce decyzyjnej lub stałym sposobie ważenia różnych kryteriów, co drastycznie ogranicza zdolność eksploracji wielu obiecujących kierunków. ATOM podchodzi do problemu zupełnie inaczej, formułując go jako przeszukiwanie struktury drzewa, gdzie każdy węzeł reprezentuje operację atomową i ma przypisanego swojego wyspecjalizowanego agenta.
Kluczowa innowacja polega na koordynacji agentów wzdłuż różnych ścieżek drzewa zamiast zmuszania ich do globalnego konsensusu. To pozwala systemowi utrzymywać i porównywać alternatywne trajektorie ewolucji molekuł, co jest szczególnie ważne, ponieważ wczesne decyzje projektowe mogą mocno ograniczyć możliwości na późniejszych etapach. Dodatkowa globalna pamięć przechowująca informacje o poprzednich procesach optymalizacji wspomaga zrównoważoną eksplorację przestrzeni chemicznej. Dzięki takiemu podejściu system lepiej radzić sobie z długoterminowymi zależnościami charakterystycznymi dla projektowania molekuł.
W testach na złożonych benchmarkach obejmujących aktywność biologiczną, syntezowalność i właściwości ADMET ATOM konsekwentnie osiągnął lepsze wyniki niż istniejące rozwiązania. Wykazał znaczną poprawę w pokryciu fronteru Pareto, czyli zdolności do znalezienia jak największej liczby naprawdę optymalnych rozwiązań. To oznacza, że system może okazać się przydatny dla chemików pracujących nad nowymi lekami, gdzie trzeba jednocześnie uwzględniać wiele wymagań: skuteczność, możliwość syntezy i bezpieczeństwo.